基于智能手机传感器的人类行为识别研究

摘要：

针对因人类行为识别中手机位置的不确定性导致的行为识别率低的问题,提出了一种实时行为识别方法.首先对智能手机中加速度计和陀螺仪所获取的各行为下的传感器数据,依次进行零偏误差补偿、异常值处理和db7 小波阈值去噪;其次使用滑动窗口对预处理后的数据进行分割,同时基于各行为特征分布规律进行特征提取;最后将提取的特征用于支持向量机(Support Vector Machine,SVM)分类器模型的训练,通过调用 SVM 模型结合多票判决策略实现当前时刻行为预测.仿真结果表明,该方法能有效地识别坐、站立、行走、跑步、上楼、下楼、躺、卧 8 种基本行为,并能区分握、阅读、接听、摆臂、口袋 5 种手机位置.分类器模型的整体识别率达到了 97.6％,在手机位置固定和不固定的情况下,实时行为识别的平均识别准确率分别达到了 90.6％和 84.8％,平均耗时为 177.803 ms.

关键词：人类行为识别、智能手机传感器、支持向量机、小波分析

所属期刊栏目：49

分类号：TP391.4(计算技术、计算机技术)

资助基金：安徽省发展;改革委员会支持项目

在线出版日期：2023-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：566-576