基于手机加速度传感器的人体行为识别_衡霞.pdf

近年来随着信息科学和传感器技术的进步，基 于传感器的行为识别获得了极大的发展，其中基于 可穿戴传感器的人体行为识别具 有 极 其 广 泛 的 应 用前景。例如在智能家居、老人或病人监护等领域 使用可穿戴式传感器可以实时获 得 用 户 的 行 为 数 据，从而快速准确的判断出当前用户的活动情况。 文［１］中使用在右脚踝和左大腿固定两个加速 度传感器 采 集 数 据 来 研 究 人 体 行 为 识 别 方 法；文 ［２］提出一种在人体不同位置固定多个加速度传感 器来进行老年人跌倒检测；文［３］采用将两个加速 度传感器分 别 佩 戴 在 右 手 臂 的 前后来解决交互式 游戏中的上肢动作识别问题。这些研究将多个传 感器固定在实验者身上来进行行为感知，在实际应 用中将给用户的生活带来不便。 目前智能手机的多种内置传感器如加速度传 感器、陀螺仪、磁力计、方向传感器等可以对不同的 运动、方向和外部环境进行感知，特别在监测设备 的移动和位置变化时，能获得较精确的原始三维数 据［４］。鉴于手机传感器的这种便携性和高性能，本 文提出一种 基 于 智 能 手 机 采 集 用户行为数据来进第１９卷第６期 衡霞，王忠民：基于手机加速度传感器的人体行为识别 行行为识别与分析的方法。该 方 法 通 过 对 三 维 加 速度信号进行处理及特征提取获得特征矩阵，采用 支持向量机分类器进行分类识别。 【基于手机加速度传感器的人体行为识别】是近年来在信息技术和传感器技术发展的背景下，一个具有广泛应用前景的研究领域。传统的可穿戴传感器虽然能收集用户行为数据，但可能在实际生活中造成不便。因此，利用智能手机内置的加速度传感器进行行为识别成为了一个更优的选择。 智能手机中的加速度传感器能够实时监测设备的移动和位置变化，获取三维空间中的精确数据，这为监测人体行为提供了便利。论文提出了一个使用手机加速度传感器采集数据并进行行为识别的方法。通过对原始加速度数据进行预处理，消除噪声并提取关键信息。接着，从水平和垂直方向提取一系列统计特征，如标准差、四分位差、信号幅度、偏度、峰度和相关系数等。这些特征能够反映人体运动的不同模式和特性。 然后，利用支持向量机（SVM）作为分类器，对提取的特征进行学习和分类。SVM是一种有效的机器学习算法，尤其适用于小样本和高维数据的分类任务，能够有效区分不同行为模式。在实验中，该方法能够识别出五种常见的人体行为：站立、走路、跑步、上楼和下楼，并且在不同实验者间的平均识别正确率达到了87.17%，显示出较高的识别准确性。 通过对比分析，该方法与其他需要在身体多处固定传感器的行为识别方法相比，具有更高的用户舒适度和实用性。其成功验证了使用手机加速度传感器进行人体行为识别的可行性，为智能家居、健康监护和交互式游戏等领域提供了新的解决方案。未来的研究可能进一步探索更多复杂行为的识别，优化特征选择和分类器性能，以及提高实时性，以实现更加智能和无缝集成的行为监控系统。