人體行為識別(Human activity recognition,HAR)是當前人工智能領域的研究熱點,且隨著傳感器技術和智能設備的迅速發(fā)展,基于智能手機的人體行為識別技術越來越受到研究人員的關注。文中在已有研究的基礎上,采用智能手機中的多種傳感器數據進行人體行為識別的研究,并利用采集的數據驗證文中模型的性能。首先,文中闡述了基于傳感器的行為識別研究的課題背景、研究現狀以及存在的問題,并對行為識別中的關鍵技術進行了詳細介紹,并一一說明本文中的前期工作,從而為本課題的研究內容做準備。其次,文中研究了人體日常行為的識別問題。文中采用的傳感器數據包括智能手機采集到的加速度,角速度和線性加速度,為最大限度地減小方位變化對算法產生的影響,文中引入了信號幅值。基于當前研究中存在的人體行為的特征表示問題以及卷積神經網絡(Convolutional Neural Network,CNN)的優(yōu)勢,文中利用CNN來提取信號特征�？紤]到傳感器信號的時間特性與維度相關性,卷積和池化采用一維卷積與池化,在第一層卷積和池化后,將不同傳感器數據同一維度的數據特征進行合并,并經過第二層卷積和池化提取深層特征。文中在分...

【文章頁數】：65 頁

【學位級別】：碩士

【部分圖文】：

圖 3 前沿領域系統(tǒng)化工程訓練體系

表2人工智能領域案例知庫企業(yè)學校案例開發(fā)實踐——美食分類智能小車遠程監(jiān)控系統(tǒng)設計案例開發(fā)實踐——垃圾分類智能小車系統(tǒng)避障系統(tǒng)設計案例開發(fā)實踐——口罩檢測基于深度強化學習的任務調度案例開發(fā)實踐——安全帽檢測基于TSN的智能小車傳感器和作動器實驗板設計案例開....

圖2.3手機數據采集APP界面

并且通過按鈕事件標記采集數據的開始時刻和結束時刻。如圖中所示，圖2.3(a)是數據采集系統(tǒng)主界面，主要顯示采集到的各傳感器數值，圖2.3(b)是人體行為模式主界面，包括步行、上下樓、站立、跑步、坐與躺等具有代表性的人體日常行為以及人體行為中發(fā)生頻率較小的跌倒行為。(a)顯示獲....

本文編號：4056313