没有合适的资源?快使用搜索试试~ 我知道了~
论文研究-Android平台下的实时人体行为识别.pdf
需积分: 16 8 下载量 196 浏览量
2019-09-07
11:56:35
上传
评论
收藏 513KB PDF 举报
温馨提示
试读
4页
为了提高Android平台下实时人体行为识别方法的性能,提出对动作变化和过渡动作进行检测和分割的方法。该方法采用加速度在重力方向上的投影和水平方向上投影的幅值来表征行为活动,通过趋势判断行为变化,结合趋势突变点检测和DTW算法进行过渡动作分割。提取加速度时域特征,使用随机森林对九种行为进行分类识别,平均识别率达到97.26%,其中过渡动作平均识别率达到95.05%。
资源推荐
资源详情
资源评论
计算机工程与应用
www.ceaj.org
Computer Engineering a nd Applications计算机工程与应用
2018,54(24)
1 引言
人体行为识别是模式识别领域的一个热门研究方
向,是指通过对人体活动时产生的表征数据进行处理和
分析,从而识别出人体当前活动状态。人体行为识别研
究已被广泛应用于安全监控、医疗服务和网络空间安全
等方面
[1]
,极大地提高人们的生活质量。
根据表征数据的不同,可以分为基于视频的人体行
为识别和基于加速度传感器的人体行为识别。基于加
速度传感器的人体行为识别相比基于视频的人体行为
识别有其独特的优势,如受外界环境影响较小,获取运
动数据方式更自由,更好的隐私性等
[2]
。随着技术的不
断发展,智能手机在人们的日常生活中普及程度已非常
高,并且内置有丰富的传感器,这为人们进行日常行为
识别提供了一个灵活、有效的平台
[3]
。目前,基于智能手
机 传感器 的 人 体 行 为 识 别 研 究 已 取 得 一 定 的 成 果 。
Kwapisz
[4]
等人使用手机采集运动数据,提取 43 种特征,
使用多层神经网络对走、慢跑、上楼、下楼、站立和坐等
六种 日常 行 为 进 行 分 类 ,平均 达到 91.7%的 识 别 率 。
Catal 等人
[5]
采用融合 J48 决策树、逻辑回归及多层感知
分类器投票表决的方法,对走、慢跑、上下楼、坐和站等
六种日常行为进行识别,其中对走、慢跑、坐、站识别率
较高,对上楼、下楼识别率分别达到 85. 13%和 72.73%。
文献[6]提出一种实时人体行为识别方法,采用长度为
4 s 的窗口分割数据,提取加速度信息的时域特征,采用
A ndroi d平台下的实时人体行为识别
贾小云
1
,王二虎
1
,吴敬一
2
JIA Xiaoyun
1
, WANG Erhu
1
, WU Jingyi
2
1.陕西科技大学 电气与信息工程学院,西安 710021
2.东南大学 电子科学与工程学院,南京 210096
1.S chool of Electrical and Information Engineering, Shaanxi University of Science & Technology, Xi’an 710021, China
2.S chool of Electronic Science and Engineering, South east Uni versity, Na njing 21009 6, China
J IA Xiaoyun, WANG Erhu, WU Jingyi. Real- time human behavi or recognition based on Android platform.
Computer Engineering and Applications, 2018, 54(24):164-167.
Ab stract:In order to improve the performance of the real-ti me hu man behavior recognition method based on th e Android
platform, a method for detecting and segmenting mo tion changes and transitional motions is proposed. This method uses
the projecti on of the acceleration in the direction of gravity and the amplitude of the projection in the horizontal dire ction
to characterize the behav ior. The trend of the acceleration is used to judge the behavior change, and t he trend mutation
point detection and the DTW algorithm are used to perform the transition action segmentation. Extracting the characteristics
of accel eration ti me domain, nine kinds of behaviors are classified and iden tified using random forest. The average recog-
nition rate reaches 97.26%, and the average recognition ra te of tra nsitional movement reaches 95.05%.
Key w ords:ac tivity recogni tion; acceleration; transition motion; smartphone sensors
摘 要:为了提高 Android 平台下实时人体行为识别方法的性能,提出对动作变化和过渡动作进行检测和分割的方
法。该方法采用加速度在重力方向上的投影和水平方向上投影的幅值来表征行为活动,通过趋势判断行为变化,结
合趋势突变点检测和 DTW 算法进行过渡动作分割。提取加速度时域特征,使用随机森林对九种行为进行分类识
别,平均识别率达到 97.26%,其中过渡动作平均识别率达到 95.05%。
关键词:行为识别 ;加速度;过渡动作;手机传感器
文献标志码:A 中图分类号:TP 391 doi:10.3778/j.issn.1002-8331.1806-0138
基金项目:国家自然科学基金(No.61601271)。
作者简介:贾小云(1971—),女,副教授,主要研究方向:软件工程、模式识别,E-mail:373515251@qq.com;王二虎(1993—),男,硕
士研究生,主要研究方向:模式识别;吴敬一(1999—),男,主要研究方向:电子科学与技术。
收稿日期:2018-06-12 修回日期:2018-08-09 文章编号:1002-8331(2018)24-0164-04
164
资源评论
weixin_38744435
- 粉丝: 370
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功