基于可穿戴式动捕系统的人体行为识别方法研究

发布时间：2017-10-24 02:40

  本文关键词：基于可穿戴式动捕系统的人体行为识别方法研究

  更多相关文章： 人体行为识别 可穿戴式动捕系统 特征选择 模板匹配 短时样本

【摘要】：人体行为是人和外界环境交互的一种主要的输出表达形式,研究人员对于人体行为识别方法的探究一直没有停止过。人体行为数据的获取可以依靠动作捕捉系统来完成,其中可穿戴式动捕系统记录的是人身体各部位的加速度和角速度等物理信息,对于解释人体运动的本质规律有着极其重要的意义,因此基于该系统的行为识别已经成为本领域中的研究热点。在传统的行为识别算法中,由于特征提取更多是基于冗余的统计特征向量空间,这不仅增加了算法的计算量,还会影响算法的识别效率。此外,传统的算法需要包含多个运动周期的数据,来确保常用的时频域特征的稳定性,但在短时样本的情形下,传统算法提取的常用频域特征是不稳定的,这将会直接影响分类模型的稳定性。本文主要针对上述传统算法的不足展开研究。第一,对于传统算法提取高维的数据特征,导致计算复杂度的增加,本文提出一种新的基于行为特征规律和统计特征向量的行为识别算法。本文首先从分析运动的三维本质特性出发,共选择了11维特征来描述人体行为,这有效地压缩了特征空间,并且这11维特征较好地反映了人体相对于竖直方向和左右方向上的基本运动姿态和幅度。然后采用支持向量机作为分类器,并构建了分类模型。最终实验结果表明本文的算法在只选择11维的特征的前提下,仍然能够有效地识别13种日常行为。第二,针对短时样本情形下,传统算法所提取的时频域特征的不稳定性,导致识别率不理想,本文提出一种基于模板匹配的行为识别算法。其核心思想是通过滑动窗口提取行为模板的方法,来建立足够完备的训练模板库,其思路缘于每种复杂运动模式下均包含了若干原子运动模式。该算法可使每一个短时样本都能匹配到与自身极其相似的模板,并把它归类到相近模板的类别中。实验证明本文提出的算法对于短时样本依然有较高的识别率。
【关键词】：人体行为识别 可穿戴式动捕系统 特征选择 模板匹配 短时样本
【学位授予单位】：安庆师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：C32
【目录】：

• 摘要6-8
• ABSTRACT8-14
• 第一章 绪论14-23
• 1.1 背景及现状14-20
• 1.1.1 研究目的和意义14-16
• 1.1.2 国内外研究现状16-20
• 1.2 本文主要工作与内容安排20-23
• 1.2.1 主要研究工作20-22
• 1.2.2 论文内容安排22-23
• 第二章 基于统计特征向量的人体行为识别23-39
• 2.1 引言23-24
• 2.2 WARD1.0 数据库24-25
• 2.3 行为特征的选择25-30
• 2.3.1 数据平滑25-26
• 2.3.2 特征选择26-30
• 2.4 训练集与测试集的构建30-34
• 2.4.1 选取训练样本集30-31
• 2.4.2 异常样本去除31-34
• 2.5 分类器选取及其参数优化34-36
• 2.5.1 分类器选取34
• 2.5.2 核函数选择及其参数优化34-36
• 2.6 实验结果及分析36-37
• 2.7 本章小结37-39
• 第三章 基于模板匹配的短时行为识别39-52
• 3.1 引言39-42
• 3.2 本文数据库42-43
• 3.3 行为模板的提取43-45
• 3.3.1 滑动窗口提取模板43-44
• 3.3.2 最优窗口的选取44-45
• 3.4 行为归类判别方法45-47
• 3.4.1 归类判别准则45-46
• 3.4.2 模板相似性度量优化46-47
• 3.5 实验结果及分析47-51
• 3.6 本章小结51-52
• 第四章 结论与展望52-54
• 4.1 工作总结52-53
• 4.2 工作展望53-54
• 致谢54-55
• 参考文献55-59
• 攻读硕士学位期间完成的论文和参与的科研项目59

【相似文献】

中国期刊全文数据库 前6条

1 洪顺刚;;浅谈学校形象与学校文化[J];基础教育参考;2008年08期

2 刘伟江;;基于Web挖掘的客户行为识别和推荐方法研究[J];社会科学战线;2009年12期

3 宋坚;关于设计与市场的讲座[J];昆明大学学报;1999年02期

4 周晨;;论“CIS”与高职院校形象的塑造[J];职业技术教育;2007年34期

5 徐雪玉;;用CIS构建优美学校[J];现代经济信息;2010年04期

6 ;[J];;年期

中国重要会议论文全文数据库 前7条

1 苗强;周兴社;於志文;倪红波;;一种非觉察式的睡眠行为识别技术研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

2 齐娟;陈益强;刘军发;;基于多模信息感知与融合的行为识别[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

3 方帅;曹洋;王浩;;视频监控中的行为识别[A];2007中国控制与决策学术年会论文集[C];2007年

4 黄紫藤;吴玲达;;监控视频中简单人物行为识别研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 安国成;罗志强;李洪研;;改进运动历史图的异常行为识别算法[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

6 王忠民;曹栋;;坐标转换在移动用户行为识别中的应用研究[A];2013年全国通信软件学术会议论文集[C];2013年

7 刘威;李石坚;潘纲;;uRecorder:基于位置的社会行为自动日志[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

中国重要报纸全文数据库 前4条

1 李晨光;导入CIS要注意什么？[N];河北经济日报;2001年

2 农发行鹿邑支行党支部书记 行长 刘永贞;发行形象与文化落地农[N];周口日报;2007年

3 东林;行为识别新技术让监控没有“死角”[N];人民公安报;2007年

4 田凯　徐蕊 李政育 信木祥;博物馆安全的国际经验[N];中国文物报;2014年

中国博士学位论文全文数据库 前10条

1 邵延华;基于计算机视觉的人体行为识别研究[D];重庆大学;2015年

2 仝钰;基于条件随机场的智能家居行为识别研究[D];大连海事大学;2015年

3 冯银付;多模态人体行为识别技术研究[D];浙江大学;2015年

4 姜新波;基于三维骨架序列的人体行为识别研究[D];山东大学;2015年

5 裴利沈;视频中人体行为识别若干问题研究[D];电子科技大学;2016年

6 周同驰;行为识别中基于局部时空关系的特征模型研究[D];东南大学;2016年

7 徐海燕;复杂环境下行为识别特征提取方法研究[D];东南大学;2016年

8 何卫华;人体行为识别关键技术研究[D];重庆大学;2012年

9 吴秋霞;复杂场景下的人体行为识别[D];华南理工大学;2012年

10 韩姗姗;基于视觉的运动人体特征描述与行为识别研究[D];浙江工业大学;2015年

中国硕士学位论文全文数据库 前10条

1 唐小琴;基于全局和局部运动模式的人体行为识别研究[D];西南大学;2015年

2 胡秋扬;可穿戴式个人室内位置和行为监测系统[D];浙江大学;2015年

3 陈钰昕;基于时空特性的人体行为识别研究[D];燕山大学;2015年

4 任亮;智能车环境下车辆典型行为识别方法研究[D];长安大学;2015年

5 金泽豪;并行化的人体行为识别方法研究与实现[D];华南理工大学;2015年

6 王呈;穿戴式多传感器人体日常活动监测系统设计与实现[D];南京理工大学;2015年

7 王露;基于稀疏时空特征的人体行为识别研究[D];苏州大学;2015年

8 于静;基于物品信息和人体深度信息的行为识别研究[D];山东大学;2015年

9 章瑜;人体运动行为识别相关方法研究[D];南京师范大学;2015年

10 赵扬;家庭智能空间下基于行走轨迹的人体行为理解[D];山东大学;2015年

，

本文编号：1086672