检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于惯性传感器的人体日常活动识别方案

基于惯性传感器的人体日常活动识别方案

第43届中国控制会议

作者：王海军王文庆西安邮电大学自动化学院

站、坐、走、躺(Stand,Sit,Walk,Lying,SSWL)是人体日常活动中最基本的四种动作,人体任何复杂的活动都离不开SSWL的衔接。研究识别这四种动作,对促进人体活动识别应用具有重要价值。本文以Opportunity数据集为基础,设计了从庞杂数据集... 详细信息

站、坐、走、躺(Stand,Sit,Walk,Lying,SSWL)是人体日常活动中最基本的四种动作,人体任何复杂的活动都离不开SSWL的衔接。研究识别这四种动作,对促进人体活动识别应用具有重要价值。本文以Opportunity数据集为基础,设计了从庞杂数据集中抽取识别SSWL所需基本数据的方案,进而选择随机森林模型和长短期记忆模型进行识别对比实验。重点分析了SSWL识别中特征选择、滑动窗口设计、数据标准化以及样本类别不均衡等问题对识别效果的影响,为高效识别SSWL提供借鉴依据。实验表明,本文的设计方案对SSWL的识别准确率达到了91.49%,可作为人体活动识别领域的参考基准。

关键词：人体活动识别随机森林长短期记忆网络特征选择

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

应用小波能量熵的人体活动时序自动标记方法

北京理工大学学报 2019年第2期39卷 147-154页

作者：梁冠豪罗庆生北京理工大学机电学院北京100081

在基于可穿戴传感器的人体活动识别研究中采用的传统人工标记原始数据的方法步骤繁琐、效率低下,在一定程度上制约了相关研究的深入开展.为此,特提出一种基于小波能量熵的人体活动时间序列自动标记方法.该方法采用分布于人体躯干9处主... 详细信息

在基于可穿戴传感器的人体活动识别研究中采用的传统人工标记原始数据的方法步骤繁琐、效率低下,在一定程度上制约了相关研究的深入开展.为此,特提出一种基于小波能量熵的人体活动时间序列自动标记方法.该方法采用分布于人体躯干9处主要部位的多惯性测量单元同步采集17种人体活动加速度与角速度数据,通过滑窗对人体前腰部合加速度数据分段并使用多分辨率分析计算滑窗内小波能量熵,然后利用采集序列的时间约束选择初步分割阈值,对滑窗小波能量熵随时间变化曲线进行自动分割,并最终实现对6位受试人体活动时序数据的自动标记.结果表明,该方法的标记平均准确率为95.82%,总耗时约18.6 min,比人工标记平均耗时76.75 min减少75.76%,标记效率显著改善.

关键词：可穿戴传感器人体活动识别人体活动加速度小波能量熵时序自动分割时序自动标记

具有人体活动情景辨识的穿戴式心电监测仪的研制

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2012年第5期29卷 941-947页

作者：王子洪吴宝明银健龚渝顺第三军医大学大坪医院野战外科研究所五室重庆400042 第三军医大学西南医院设备器材科重庆400038 重庆康如来科技有限公司重庆401120

针对现有远程心电(ECG)监测设备在日常工作生活动态环境中应用存在的问题,本文根据信息融合思想,采用穿戴式技术,研制出了一种新型的具有人体活动情景辨识的穿戴式ECG监测仪,它能在检测人体ECG的同时,同步检测躯体运动的加速度信号,识... 详细信息

针对现有远程心电(ECG)监测设备在日常工作生活动态环境中应用存在的问题,本文根据信息融合思想,采用穿戴式技术,研制出了一种新型的具有人体活动情景辨识的穿戴式ECG监测仪,它能在检测人体ECG的同时,同步检测躯体运动的加速度信号,识别出人体的活动情景信息,最后通过融合ECG、活动情景信息来判断人体心脏的健康状况。本监测仪具有监测准确、使用方便、舒适、私密性好、可长期连续使用等突出优点,十分适合日常环境下人体心脏健康的监护。

关键词：穿戴式系统心脏健康监测人体活动识别情景融合

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于惯性传感器的HAR数据采集系统设计

电子测量技术 2023年第23期46卷 146-152页

作者：王颖杨志家谢闯曾静王彬燏沈阳化工大学信息工程学院沈阳110142 中国科学院网络化控制系统重点实验室沈阳110016 中国科学院沈阳自动化研究所沈阳110016

目前针对人体活动识别的数据采集硬件系统研究有限,且存在可参考的数据集单一和泛化性能较低的问题。本文设计一个低功耗、支持数据实时传输、模块化的数据采集系统,并提出一种具有随机性和交叉性的数据采集方法。首先搭建低功耗采集平... 详细信息

目前针对人体活动识别的数据采集硬件系统研究有限,且存在可参考的数据集单一和泛化性能较低的问题。本文设计一个低功耗、支持数据实时传输、模块化的数据采集系统,并提出一种具有随机性和交叉性的数据采集方法。首先搭建低功耗采集平台进行数据的采集、无线收发和预处理;其次制定全面且精确的采集方案,提高数据集的丰富度;最后用2D-CNN神经网络对不同模式下采集到的数据集进行模型训练。实验结果表明,该采集系统结构合理,具备低功耗特性,能够确保数据传输具备实时性能;该采集系统的应用极大地提高了数据集的质量;获得的数据集在深度学习模型上的准确率可达92.54%;相较于传统数据集,新数据集在人体活动识别任务中表现出更为显著的效果,该采集系统和数据集的开发为神经网络应用提供便利。

关键词：惯性传感器数据采集 Wi-Fi无线模块人体活动识别

基于视觉和可穿戴设备的跌倒检测技术研究与应用

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于视觉和可穿戴设备的跌倒检测技术研究与应用

作者：祖天奇北京工业大学

学位级别：硕士

跌倒伤害是导致全球老年人因伤就诊和死亡的首要因素。美国疾病预防控制中心数据显示,美国65岁以上老年人每年逾30%至少跌倒一次,美国老年人每年因跌倒产生的医疗费用超300亿美元。据统计,我国每年有4000多万60岁以上老年人发生跌倒,跌... 详细信息

跌倒伤害是导致全球老年人因伤就诊和死亡的首要因素。美国疾病预防控制中心数据显示,美国65岁以上老年人每年逾30%至少跌倒一次,美国老年人每年因跌倒产生的医疗费用超300亿美元。据统计,我国每年有4000多万60岁以上老年人发生跌倒,跌倒伤害不仅给老年人心理带来负面影响,并导致医疗费用增加,给家庭和社会带来巨大的负担。随着信息和通信技术及微电子机械系统技术的快速发展,将集成了惯性力学传感器、摄像机等传感器的嵌入式设备融入老年人日常生活,实时感知老人活动数据,分析监测可能导致老年人跌倒的因素,进而预防老年人跌倒造成的伤害,成为老年人跌倒检测技术研究的趋势和热点。已有跌倒检测方法主要基于单一模态数据。其中,基于惯性传感器的跌倒检测技术,采用仿真环境获得的人体活动和跌倒数据与真实场景数据存在较大差别,难以推广应用。而基于视觉的跌倒检测技术容易受光线、遮挡等影响,难以满足复杂场景下跌倒检测需求。对此,本文研究视觉和惯性传感器融合的跌倒检测技术,提高跌倒检测的准确率和复杂环境的适应能力。本文主要工作和成果如下:(1)在分析人体日常活动特征基础上,建立了基于Star RGB的人体活动视觉模型,通过突出人体活动速度大小的变化来强化人体活动特征;建立了基于惯性传感器的人体活动力学模型,为提取人体跌倒动力学特征提供了基础。(2)结合Star RGB和残差网络技术,构造了人体活动视觉特征提取网络;其次,结合快速傅里叶变换和多层感知机构造了人体活动力学特征提取网络;最后,通过注意力机制实现人体活动视觉和动力学特征融合。(3)设计了视觉和动力学特征融合的人体活动识别构架。其中,在多层感知机分类器中加入L-Softmax损失函数和软投票机制实现分类优化,提高了人体活动检测分类的准确率和鲁棒性。此外,综合应用上述研究成果研发了人体跌倒检测原型系统,并在公开数据集UP-Fall上开展实验。实验结果证明本系统针对跌倒与非跌倒二分类活动的F1-Macro达到100%;针对11类细粒度人体活动的F1-Macro达到92%。实验证明本系统在提高跌倒检测准确率的同时具有良好的环境适应能力。

关键词：人体活动识别跌倒检测异常活动识别多模态融合

基于可穿戴式设备的人体活动能耗预测模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于可穿戴式设备的人体活动能耗预测模型研究

作者：王丕坤山东建筑大学

学位级别：硕士

人体活动能耗(Physical Activity Energy Expenditure,PAEE)监测是运动学领域的热点问题之一。适量的体育运动可以预防肥胖症、心血管疾病、骨质疏松等多种疾病的发生。目前,PAEE的标准检测设备和方法不仅佩戴繁琐,而且造价昂贵,不易推... 详细信息

人体活动能耗(Physical Activity Energy Expenditure,PAEE)监测是运动学领域的热点问题之一。适量的体育运动可以预防肥胖症、心血管疾病、骨质疏松等多种疾病的发生。目前,PAEE的标准检测设备和方法不仅佩戴繁琐,而且造价昂贵,不易推广到日常生活中。因此,如何利用可穿戴式传感器的便携性和低成本优势,探寻一种PAEE预测的实用化方法具有重要理论和实践意义。针对人工构造特征集工作中的问题,本文深入研究如何提高深度学习方法在特征学习中有效性问题。并对PAEE预测过程中,基于信号融合技术的卷积神经网络会造成部分有效特征丢失的问题,本文设计并改进了一种基于卷积神经网络的多信号融合特征增强网络。此外,现阶段PAEE预测领域可用的公开数据集偏少、规模普遍偏小且活动类型偏少,一般无法使用数据增广方法对数据集进行扩展。同时,深度学习模型的参数众多,需要大量的训练数据才能有效挖掘信息特征。本文提出了一种基于Transformer的迁移学习方法,通过训练并学习人体活动类型分类器,将其迁移到PAEE预测工作中。我们工作的主要内容包括:1.本文在PAEE预测工作中首先将加速度计与陀螺仪传感器信号进行融合,研究基于特征工程的机器学习方法和深度学习方法在信号融合上的有效性问题,并研究在不同运动模式下各种模型的泛化能力。研究结果表明基于特征工程的机器学习方法普遍优于深度学习方法,但是深度学习方法的泛化能力优于基于特征工程的机器学习方法。2.本文通过多头卷积模块从不同通道中提取不同传感器由局部到整体的层次化特征。较传统卷积方法,多头卷积方法取得了更高的PAEE预测精度。对比实验表明,多头卷积方法能够更好地融合多种信号,能够充分学习不同传感器的运动特征,克服了传统卷积神经网络方法中普遍存在的特征丢失问题。此外,多头卷积方法对不同运动强度和不同运动模式展现了更强的泛化能力。3.本文提出了一种基于Transformer的人体多活动分析模型,并将其作为人体运动信号的特征提取器,通过迁移学习实现了PAEE预测。其主要缓解训练数据不足的问题。实验结果表明,基于迁移学习的Transformer模型普适性强,其性能不受传感器类型、佩戴位置和人体运动方式的限制。

关键词：人体活动能耗加速度计陀螺仪人体活动识别迁移学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于级联自组织映射网络的人体动作识别研究

基于级联自组织映射网络的人体动作识别研究

作者：华文奇东南大学

学位级别：硕士

大量研究表明适当进行身体锻炼有助于保持身体健康、预防多种慢性疾病、促进身体代谢和生长发育。然而高强度的工作学习压力使得人们往往无暇顾及自己的运动量,看不到明确量化的运动又一定程度上导致人们对运动的积极性不高。因此全天... 详细信息

大量研究表明适当进行身体锻炼有助于保持身体健康、预防多种慢性疾病、促进身体代谢和生长发育。然而高强度的工作学习压力使得人们往往无暇顾及自己的运动量,看不到明确量化的运动又一定程度上导致人们对运动的积极性不高。因此全天候实时记录识别人体动作具有重要的研究价值和意义。能够利用随时随地产生的无标注数据的无监督学习算法与能够随时随地记录人体运动数据的可穿戴式传感器系统之间的相互结合,在这一领域有着广阔的应用前景。本文提出了一种无监督集成学习方法用于人体动作识别任务,可以融合多个基层学习器以提高模型性能;并且引入了剪枝策略,在保证模型性能的前提下降低了模型训练的成本,实现了对日常人体动作的有效识别。研究的主要内容如下:1.对人体动作信号分析和预处理进行了研究。由于自组织映射网络需要经过大量迭代训练才能够得到稳定的模型,过于庞大的特征数据也会对实际使用中的实时性造成影响,因此需要在数据处理阶段降低后续模型训练与使用的计算量以节约模型训练时间和提高模型使用时的实时性。本文在特征提取阶段提取共123维特征。为了降低特征向量冗余度,提高模型训练速度,本文利用主成分分析法进行了数据降维操作,将特征向量维度从123维降至26维。实验结果表明,该降维操作不会明显影响模型识别精度。而特征降维后,模型训练时间减少了约68%。同时根据主成分转化矩阵系数和来评估不同维度的特征对这26个主成分的贡献程度,取消了25个对主成分贡献接近0的特征的提取,降低了约16%的特征提取所需时间。2.将级联结构引入自组织映射网络,提出了一种新的聚类集成方法。提出的级联自组织映射网络使用一位有效编码的方式融合合多个基自组织映射网络的输出作为下一层自组织映射网络的输入,经过整合多个基层网络,级联自组织映射网络能够有效提高在人体动作识别任务上的性能。实验结果表明,级联结构能够将自组织映射网络在人体动作识别任务上的精度提升约4.5%。从特定动作上来看,级联模型可以有效降低易混淆动作之间发生误识别的概率。此外,由于级联自组织映射网络完全由自组织映射网络组成,因此继承了自组织映射网络易于改进的特点。3.提出了生长和剪枝策略用于改善原始的自组织映射网络的固有缺陷,使得改进后的模型拥有更为灵活的网络结构去适应输入空间的模式分布。经过实验验证,将剪枝机制引入可增长的自组织映射网络能够有效控制模型中神经元的数量,使得网络训练时间降低了约28%,存储训练好的模型所需要的存储空间也减少了14.93%。此外引入了生长和剪枝机制的SOM网络与原始的SOM网络相比无论是在整体动作识别精度上还是在特定动作识别精度上没有明显差异。同时,由于其生长特性,改良后的模型还能够对增量学习场景下的动态数据集进行学习。实验证明将该模型用于增量学习时,在能够对新增动作类别进行有效识别的同时,对原有动作类别的识别精度也不会出现严重下降。

关键词：人体活动识别可穿戴设备自组织映射网络集成学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于放置无关化的活动识别方法研究

基于放置无关化的活动识别方法研究

作者：陈星利哈尔滨工业大学

学位级别：硕士

随着微电子技术的飞速发展,智能可穿戴设备层出不穷。基于可穿戴设备的人体活动识别作为普适计算的一个重要的领域,引起越来越多学者的关注。人体活动识别技术已经在医疗、军事活动以及体育等领域得到了广泛的应用,但是对于与位置无关... 详细信息

随着微电子技术的飞速发展,智能可穿戴设备层出不穷。基于可穿戴设备的人体活动识别作为普适计算的一个重要的领域,引起越来越多学者的关注。人体活动识别技术已经在医疗、军事活动以及体育等领域得到了广泛的应用,但是对于与位置无关的活动识别这一问题至今还未得到更好的解决。目前,在对基于传感器的活动识别问题的研究中,一般默认传感器放置形式不变并且放置位置固定不动。然而,在实际应用中这种条件显然难以满足。针对传统基于三轴加速度传感器的人体活动识别方法的精度过分依赖与加速度传感器设备的放置位置以及形式的这一问题,本文提出了一种基于卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆(Long-Short Term Memory,LSTM)神经网络进行活动识别的方法,通过该方法可以有效提高加速度传感器设备放置方式以及放置位置在非固定不变的情况下人体活动识别的准确率。首先,针对加速度数据进行预处理。然后将预处理后的数据输入到一种基于LSTM与全连接层架构的三轴加速度数据自适应结构,该自适应结构可以自适应的把不同的输入数据调整到一个相似的坐标系中,之后再将该结构的输出输入到CNN网络模型。最后,将LSTM网络进行输出的结果输入到softmax并得到最终的分类结果。由于CNN能够自适应地从浅层次特征中学习提取深层次特征的特点以及LSTM网络能够提取时域特征上下文信息的优势,因此通过该方法进行深度特征提取并分类的结果更加可靠。本文使用Daily and Sports Activities Data Set公共数据集以及针对放置无关化问题自行采集的数据集来构建模型并对模型的性能进行评估。实验结果表明,本文提出的深度模型在公共数据集合和非公共数据集上的准确率分别可以达到82%和87%左右。同时,还将本文的方法与传统活动识别方法进行了对比,验证了该方法的有效性与先进性。

关键词：人体活动识别放置无关化三轴加速度传感器自适应结构卷积神经网络长短期记忆网络

基于迁移机制的WiFi信号手势识别技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于迁移机制的WiFi信号手势识别技术研究

作者：吴波北京邮电大学

学位级别：硕士

随着无线通信技术的快速发展,人们发现无线信号不仅有通信的功能,同时还具有感知环境中人体活动的能力。随着WiFi设备的普及,基于WiFi的活动识别算法走进大量的研究人员的视线内。特别是在WiFi信号中的细粒度的信道状态信息（Channel St... 详细信息

随着无线通信技术的快速发展,人们发现无线信号不仅有通信的功能,同时还具有感知环境中人体活动的能力。随着WiFi设备的普及,基于WiFi的活动识别算法走进大量的研究人员的视线内。特别是在WiFi信号中的细粒度的信道状态信息（Channel State Information,CSI）可以被成功提取之后,此研究方向的热度更加高涨。基于WiFi的人体活动感知识别技术相比于传统的基于图像和基于传感器的感知识别技术,具有众多优点,能够弥补传统感知识别系统的弊端,比如:基于图像的识别系统对光线的依赖,存在视觉死角和用户隐私泄露的危险;基于传感器的识别系统对用户的侵入感,传感器设备造价昂贵等。本文从基于无线信号的室内人体手势活动识别的角度出发,对以下三个方面展开研究:1.本文首先介绍了基于传统机器学习的人体手势动作识别技术,然后设计并配置了数据采集环境,处理并应用数据到实际系统中,最后实现了基于机器学习的智能家居手势控制系统。2.为了解决感知识别系统的不可迁移的难题,本文提出了基于ID的迁移机制,使用条件实例归一化（CIN）函数对源域和目标域人员的身份信息进行学习和映射,利用卷积神经网络作为骨干分类网络,实现了基于跨ID迁移机制的人体手势活动识别系统。实验结果表明。该系统在源域平均识别率能够达到98%,目标域达到95%。3.为了解决实验数据获取的困难,本文受图像风格迁移思想的启发,以CycleGAN和StarGAN为生成网络架构,研究了基于WiFi信号的信道状态信息的数据增强技术,并设计完成了基于CycleGAN和StarGAN的人体手势活动数据增强网络。实验结果表明,基于生成网络的数据增强网络可以实现扩充数据集的目的。

关键词：信道状态信息人体活动识别数据增强深度学习