基于多传感器的人体行为异常检测研究

发布时间：2025-07-07 02:07

　　人体行为识别(Human activity recognition,HAR)是当前人工智能领域的研究热点,且随着传感器技术和智能设备的迅速发展,基于智能手机的人体行为识别技术越来越受到研究人员的关注。文中在已有研究的基础上,采用智能手机中的多种传感器数据进行人体行为识别的研究,并利用采集的数据验证文中模型的性能。首先,文中阐述了基于传感器的行为识别研究的课题背景、研究现状以及存在的问题,并对行为识别中的关键技术进行了详细介绍,并一一说明本文中的前期工作,从而为本课题的研究内容做准备。其次,文中研究了人体日常行为的识别问题。文中采用的传感器数据包括智能手机采集到的加速度,角速度和线性加速度,为最大限度地减小方位变化对算法产生的影响,文中引入了信号幅值。基于当前研究中存在的人体行为的特征表示问题以及卷积神经网络(Convolutional Neural Network,CNN)的优势,文中利用CNN来提取信号特征。考虑到传感器信号的时间特性与维度相关性,卷积和池化采用一维卷积与池化,在第一层卷积和池化后,将不同传感器数据同一维度的数据特征进行合并,并经过第二层卷积和池化提取深层特征。文中在分...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图 3 前沿领域系统化工程训练体系

表2人工智能领域案例知库企业学校案例开发实践——美食分类智能小车远程监控系统设计案例开发实践——垃圾分类智能小车系统避障系统设计案例开发实践——口罩检测基于深度强化学习的任务调度案例开发实践——安全帽检测基于TSN的智能小车传感器和作动器实验板设计案例开....

图2.3手机数据采集APP界面

并且通过按钮事件标记采集数据的开始时刻和结束时刻。如图中所示，图2.3(a)是数据采集系统主界面，主要显示采集到的各传感器数值，图2.3(b)是人体行为模式主界面，包括步行、上下楼、站立、跑步、坐与躺等具有代表性的人体日常行为以及人体行为中发生频率较小的跌倒行为。(a)显示获....

本文编号：4056313