《基於加速度感測器的人體行為模式識別和分析》是依託華南理工大學，由薛洋擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於加速度感測器的人體行為模式識別和分析
- 項目類別：青年科學基金項目
- 項目負責人：薛洋
- 依託單位：華南理工大學
項目摘要,結題摘要,
項目摘要
基於加速度感測器的人體行為模式識別是模式識別領域一個新興的研究方向，由於客觀環境的多樣性以及人體運動的複雜性，使得人體行為模式識別和分析研究還有一些關鍵問題有待解決。本項目基於模式分類和數據挖掘方法，系統的研究了基於加速度感測器的人體行為模式識別和分析中的關鍵問題，提出和實現有效的方法和算法，以達到提高識別性能、推動實際套用的目的。主要研究內容和創新點包含： (1)基於多模式特徵和多模式分類結果融合，理解及識別基於加速度感測器的人體行為模式；（2）利用遷移相似性度量學習和種子樣本構建策略，實現行為模式加速度信號的半監督AP聚類；（3）利用高解析度和小尺度分析方法，尋找加速度信號到不同相似行為模式的結構映射，解決相似行為模式易混淆的難題；（4）融合人體行為模式識別和分析技術實現大學生智慧型健康監測套用系統。
結題摘要
基於加速度感測器的人體運動模式識別是模式識別領域一個新興的研究方向，其本質是首先通過一個或多個加速度感測器獲取人運動時產生的加速度信號並通過藍牙無線傳輸技術將數據傳送到移動設備中，然後對數據進行預處理、特徵提取和選擇，最後根據提取的特徵對運動進行分類和識別。目前，基於加速度感測器的人體運動模式識別研究還處在一個相對基礎的階段, 儘管基於加速度感測器的人體運動模式識別技術在近十多年來已經取得了極大的發展，但是，由於客觀環境的多樣性以及人體運動的複雜性使得人體運動模式識別研究還有很多亟待解決的問題擺在研究者面前，包括如何針對不同運動模式的細緻分類及人體行為模式的分析及識別進一步研製新的識別技術，解決資料庫的建立、有效特徵提取、高效分類算法設計等識別難題。針對以上問題，課題組研究了基於多模式特徵和多模式分類結果融合的人體行為模式理解及識別技術，這種技術首先根據已有的認知模型提取多模式特徵，然後利用MDO和VCR兩種融合方法，互補不同模式特徵間的優點，從而達到提高識別性能的目的。接著，課題組還研究了基於深度卷積神經網路的行為模式識別問題。然而這項研究工作還面臨許多技術難題，包括：遷移相似性度量學習和種子樣本構建策略，加速度信號到不同行為模式的結構映射，以及相關機器學習。課題組圍繞這些難點對基於加速度感測器的運動模式識別技術展開了一系列的研究，大大提高了識別性能，同時還實現了一個健康監測套用系統。
