人體行為識(shí)別(Human activity recognition,HAR)是當(dāng)前人工智能領(lǐng)域的研究熱點(diǎn),且隨著傳感器技術(shù)和智能設(shè)備的迅速發(fā)展,基于智能手機(jī)的人體行為識(shí)別技術(shù)越來越受到研究人員的關(guān)注。文中在已有研究的基礎(chǔ)上,采用智能手機(jī)中的多種傳感器數(shù)據(jù)進(jìn)行人體行為識(shí)別的研究,并利用采集的數(shù)據(jù)驗(yàn)證文中模型的性能。首先,文中闡述了基于傳感器的行為識(shí)別研究的課題背景、研究現(xiàn)狀以及存在的問題,并對(duì)行為識(shí)別中的關(guān)鍵技術(shù)進(jìn)行了詳細(xì)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(nèi)容做準(zhǔn)備。其次,文中研究了人體日常行為的識(shí)別問題。文中采用的傳感器數(shù)據(jù)包括智能手機(jī)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(duì)算法產(chǎn)生的影響,文中引入了信號(hào)幅值�；诋�(dāng)前研究中存在的人體行為的特征表示問題以及卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的優(yōu)勢(shì),文中利用CNN來提取信號(hào)特征�？紤]到傳感器信號(hào)的時(shí)間特性與維度相關(guān)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(shù)據(jù)同一維度的數(shù)據(jù)特征進(jìn)行合并,并經(jīng)過第二層卷積和池化提取深層特征。文中在分...

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖 3 前沿領(lǐng)域系統(tǒng)化工程訓(xùn)練體系

表2人工智能領(lǐng)域案例知庫企業(yè)學(xué)校案例開發(fā)實(shí)踐——美食分類智能小車遠(yuǎn)程監(jiān)控系統(tǒng)設(shè)計(jì)案例開發(fā)實(shí)踐——垃圾分類智能小車系統(tǒng)避障系統(tǒng)設(shè)計(jì)案例開發(fā)實(shí)踐——口罩檢測(cè)基于深度強(qiáng)化學(xué)習(xí)的任務(wù)調(diào)度案例開發(fā)實(shí)踐——安全帽檢測(cè)基于TSN的智能小車傳感器和作動(dòng)器實(shí)驗(yàn)板設(shè)計(jì)案例開....

圖2.3手機(jī)數(shù)據(jù)采集APP界面

并且通過按鈕事件標(biāo)記采集數(shù)據(jù)的開始時(shí)刻和結(jié)束時(shí)刻。如圖中所示，圖2.3(a)是數(shù)據(jù)采集系統(tǒng)主界面，主要顯示采集到的各傳感器數(shù)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(hào)：4056313