人體行為識別與狀態(tài)監(jiān)測是當前普適計算與人工智能領域的重要研究方向,在醫(yī)療檢測、運動監(jiān)測、老年護理等領域發(fā)揮著無可替代的作用。隨著物聯(lián)網、大數據及云計算等技術的蓬勃發(fā)展,使得微型的、可穿戴的傳感器網絡能夠和日常生活緊密的聯(lián)系起來,極大的提高了人們的生活水平。由于可穿戴設備具有便于攜帶、操作簡易、時尚美觀等特點,在人體行為識別及移動健康領域成為了不可替代的重要組成部分。在此基礎上,本文基于智能手環(huán)設備對老年人的人體行為活動識別與健康狀態(tài)監(jiān)測進行了系統(tǒng)的研究與分析。行為識別作為人體行為狀態(tài)監(jiān)測的重要組成部分之一,我們優(yōu)先提出了人體行為識別的總體方案,將智能手環(huán)與安卓智能手機通過藍牙進行連接,利用智能手機對人體的行為結果進行展示,并將識別結果上傳并保存至服務器端,利用行為識別管理系統(tǒng)對所有用戶及相關的數據進行管理。首先,利用人體佩戴集成了多種傳感器的智能手環(huán),采集人體運動時所產生的三軸加速度與三軸角速度信息。根據實際應用場景的需要,僅設置其采樣頻率為8Hz。此外,由于傳感器收集到的數據伴隨有諸多隨機噪聲,因此采用了移動平均法對收集到的數據進行平滑去噪處理。人體行為的數據采集完畢后,利用采集到的... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數】：77 頁

【學位級別】：碩士

【部分圖文】：

走路的三軸加速度信號片段和頻譜

走路的三軸角速度信號片段和頻譜

跑步的三軸加速度信號片段和頻譜

【參考文獻】：
期刊論文
[1]Activity Recognition Based on RFID Object Usage for Smart Mobile Devices[J]. Jaeyoung Yang,Joonwhan Lee,Joongmin Choi.  Journal of Computer Science & Technology. 2011(02)
[2]Comparison of fusion methods based on DST and DBN in human activity recognition[J]. Andrei TOLSTIKOV,Jit BISWAS,Chris NUGENT,Guido PARENTE.  Journal of Control Theory and Applications. 2011(01)
[3]基于HMM復雜場景下的行為識別方法[J]. 張麗君,吳曉娟,盛贊,亓磊.  計算機工程. 2008(07)
[4]基于主元分析法的行為識別[J]. 胡長勃,馮濤,馬頌德,盧漢清.  中國圖象圖形學報. 2000(10)

博士論文
[1]基于判別模式學習的人體行為識別方法研究[D]. 王亮.哈爾濱工業(yè)大學 2011



本文編號：3093303