基于单个加速度传感器的人体运动状态识别研究

作     者：公衍增 

作者单位：哈尔滨工程大学 

学位级别：硕士

导师姓名：徐伟;田晓英

授予年度：2017年

学科分类：080202[工学-机械电子工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：人体运动状态识别 加速度传感器 特征提取 小波变换 分形矩阵 

摘      要：基于加速度传感器的人体运动状态识别是计算机模式识别领域中的一个新兴研究方向,它的迅速发展得益于微机电系统和传感器技术的不断发展进步与模式识别理论的深入研究。随着人们对智能人机交互和人体健康监护等方面需求的日益增长,基于加速度传感器的人体运动状态识别在运动检测、能耗评估和医疗保健等领域中将会发挥越来越重要的作用。基于加速度传感器的人体运动状态识别的本质是通过一个或多个三轴加速度传感器获取人体在运动时产生的加速度信号,然后通过蓝牙无线传输技术将数据传送到移动设备中,然后对加速度数据进行预处理、特征提取,最后根据提取的特征对运动状态进行分类和识别。但是,由于客观环境的多样性以及人体运动的复杂性使得人体运动状态识别研究还有很多亟待解决的问题摆在面前,包括如何确定加速度传感器个数和佩戴位置,针对易混淆、难区分的运动状态如何提取更具表征能力的信号特征,如何构建高效率、高精度、泛化能力强的状态分类器等问题。围绕这些问题与难点,本文对基于加速度传感器的人体运动状态识别技术展开了一系列研究,主要工作如下:(1)从加速度信号的时域特征和分布特点出发,提取了均值、标准差、倾角、波峰间隔、波峰波谷值5种相关时域特征,并结合决策树分类方法,对人体日常静止、摔倒、跑步和跳跃4种状态进行分类识别。实验结果表明,本文基于5种时域特征的决策树识别方法有着较高的准确率和实时性。(2)针对人体日常走、上楼和下楼三种运动状态易混淆、难区分的问题,在深入研究非平稳加速度信号的复杂结构模式和自相似特性的基础上,提出了基于单重分形和多重分形的人体运动状态识别方法。该方法以分形维数和广义维数作为特征量,并配合相关性判断方法,实现不同运动状态的区分识别。实验验证了单重分形和多重分形在走和上下楼三种运动状态识别中的有效性和可行性。(3)在多重分形运动状态识别基础上,将分形理论与小波多分辨率分析相结合,提出了基于小波变换的矩阵式分形人体运动状态识别方法。基于小波变换的分形矩阵量化了走和上下楼三种运动状态在不同小波尺度下分量信号的分形特征,进而描述了原始加速度信号的复杂度和自相似特性。通过实验验证,在较少先验信息的前提下,该方法对走、上楼和下楼三种运动状态的平均识别率能达到90%以上。