基于生理信号的人体行为识别方法研究与应用

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:yisheng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,随着传感器技术和智能设备的迅速发展,人体行为识别成为重要的研究热点,在医疗监控、智能安防、老年看护以及室内定位具有重要的研究意义和广泛的应用前景。在人体行为识别领域,基于可穿戴设备传感器信号的方法具有便携性好、功耗低、抗环境干扰等优势,更适用于实际应用场景。随着研究深入,目前基于传感器信号的人体行为识别研究在公开数据集上可达到较高效果,但公开数据集是在实验室理想环境下采集的在服务器上进行精度计算,而面向智能可穿戴设备的实际应用场景更加复杂,存在可穿戴用户动作不规范、速度差异、用户之间存在差异性等问题。针对这些问题,本文面向智能可穿戴设备的轻量级计算平台设计了基于残差网络的人体行为识别深度网络模型,并结合超图学习和迁移学习提高了实际应用场景下用户行为识别精确度。论文主要工作如下:1.针对实际可穿戴场景中由于用户动作不规范且存在速度差异导致精确度不高的问题,本文基于轻量级可穿戴计算平台,设计了基于残差网络的行为识别模型。实验结果表明,在USC-HAD公开数据集下比现有的文献提高2.32%,达到92.72%的精确度。在快递员原始数据9分类下达到94.8%的较高精确度。2.在实际应用场景中,用户的个性因素(身高、体重)的差异对行为识别准确率存在影响,本文为了提高模型的普适性,提出将个性因素与传感器数据融合在一起,并利用超图学习进行行为识别的方法。实验结果表明,在USC-HAD公开数据集下,比现有的文献提高3.1%,达到93.3%的精确度。在快递员数据提取的60维特征的基础下,加入个性因素后提升3.95%,达到90.5%的精确度。3.针对实际场景中由于用户差异性导致测试新用户数据集精确度不高的问题,本文为了提高模型的泛化性能,首先设计了半监督的跨用户行为识别模型,实验结果表明,在快递员数据集跨用户下,识别精确度由74.47%提升到94.38%。其次本文提出了基于余弦加权的无监督域适应方法CORAL用于跨用户的人体行为识别,实验结果表明,在快递员数据集跨用户下,识别精确度提升5.09%,达到86.77%的精确度,在WARD公开数据集上,本文提出的方法比现有的文献提升6.65%,达到90.94%的行为识别精确度。在此基础上,将本文设计的人体行为识别模型应用到计算快递员劳动量的实际应用中,基于层次分析法设计一个计算快递员劳动量模型,并设计和实现面向快递员劳动量计算系统,该系统智能化的工作模式有助于降低快递员离职率。
其他文献
中国“虎文化”历史悠久传承至今,浸润传统文明并且富含时代精神,虎文化丰富的内容以及美好的寓意,激发了历代艺术大师和民间艺人的审美情愫和创作灵感,创作出丰富多彩的艺术
教育是国家发展的重要工作之一,是国家和社会培养高素质人才的必要途径。而学生的学业水平是衡量高校教育教学质量、教师教学效果以及学生学习能力的重要指标。学生学业水平的提升,不仅需要提高任课教师的执教水平,还需要结合具体需要,应用先进的技术和方法,从多个方向出发,加快提升学生的学习质量和学业水平以及学校教学质量的步伐。本文针对从技术和方法方面帮助学生提升学业水平,提出了学生学业预警模型。该预警模型通过分
科摩罗联邦最近的危机让长期观察人士目睹了这个国家又一次经历了政治崩溃。坦桑尼亚一直以来都在尽大努力来稳定科摩罗形势,并试图打造一个和平的邻国,这对其实现长期发展目
目的基于进展期鼻咽癌多个病程点的MRI图像建立合适的机器学习模型,探讨多参数MRI放射组学模型对进展期鼻咽癌局部复发的预测价值。材料和方法回顾性分析福建省肿瘤医院自201