[例会] Activity Recognition from Accelerometer Data

QQ截图20170504133828

与会人员:

教师:安宁,杨娇云,阕夏

学生:丁汇通、严金戈、刘硕、江思源、景波、唐晨、陈绪、殷越、段优、滕越、刘杰

请假人员:王雨婷

基于加速度传感器的人体行为模式识别是一个新兴的行为模式识别方向,原理是通过固定在人体上的一个或者多个加速度传感器取得人体加速度的原始信号,通过无线或者有线方式发送给数据接受者分析处理,最后,通过对原始数据的处理,特征的筛选,最后关联特定的行为模式和运动模式的关系。

本文采用固定在腰间的三轴CDXL04M3加速度传感器采集数据(4g量程,误差2%,采样率50hz),采集到的数据经过蓝牙传递到一台IPAQ(HP windows设备)进行分析。采集八种状态模式数据:站立,行走,跑动,上楼,下楼,仰卧起坐,Vacuuming,刷牙。

本文拟解决问题

(1)找出行为识别最合适分类器

(2)筛选对行为识别最无意义的特征

(3)发现最难识别的行为模式

 

特征提取:

加速度传感器每个轴都可以提取的四个特征:

(1)均值:时间窗内信号的直流分量

(2)标准差:用于区分信号范围明显不同的状态如:走路与跑步

(3)能量:能量是信号的离散傅里叶变换分量大小的平方和

(4)相关系数:相关系数适用于涉及到维度转换时的行为识别,如:区分,走,跑和上下楼之间的关系,走路和跑步涉及到一个维度的,而上下楼涉及到不止一个维度的转换

  • 本文设置了四组实验验证数据验证

(1)在不同的时间段内从单个个体收集数据,混合交叉验证

(2)在不同的时间段内从多个个体收集数据,混合交叉验证

(3)在同一个时间段内收集的单个个体数据作为训练数据,同样条件下收集的数据作为测试数据

(4)在一个时间段内收集的单个个体数据作为训练数据,在另一个时间段内收集的单个个体数据作为测试数据

(数据集12是独立同分布,34不是独立同分布)

123444

121212

  • 总结

(1)使用单个加速度传感器可以精确的识别行为模式,本文提到的八种行为模式只有手部和嘴部的活动难以识别。

(2)基础分类器的识别效果不错,使用混合分类器识别效果更好。

(3)能量是四种特征中最不重要的特征。

anyShare分享到:
This entry was posted in 例会. Bookmark the permalink.

发表评论