专题四_基于穿戴式传感器的活动识别-精品文档资料系列.ppt

《专题四_基于穿戴式传感器的活动识别-精品文档资料系列.ppt》由会员分享，可在线阅读，更多相关《专题四_基于穿戴式传感器的活动识别-精品文档资料系列.ppt（18页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、生物医学工程学科前沿讲座专题四基于可穿戴传感器的人体动作识别基于可穿戴传感器的人体动作识别内容提纲内容提纲1 1 概述（意义、研究和应用现状）概述（意义、研究和应用现状）2 2 基于可穿戴传感器的人体动作识别系统基于可穿戴传感器的人体动作识别系统（HASHAS）的一般构架）的一般构架3 3 设计设计HASHAS应考虑的因素应考虑的因素4 4 动作识别方法动作识别方法1.1 1.1 人体动作识别的意义人体动作识别的意义3应用领域应用领域:医疗、体育、军事、安全医疗、体育、军事、安全例如例如Patients with diabetes,obesity,or heart disease are of

2、ten required to follow a defined exercise routine as part of their treatments;recognizing activities can provide feedback to the caregiver about the patients behavior.Detecting abnormal activities of patients with mental pathologies and elderly may prevent undesirable consequences.1 1 概述概述糖尿病、肥胖或心脏病

3、患者经常被要求按照规定的锻炼计划作为治疗的一部分;识别活动可以向护理者提供关于病人行为的反馈。检测精神疾病患者和老年人的异常活动可以预防不良后果。41.2 1.2 人体动作识别（研究和应用）现状人体动作识别（研究和应用）现状1 1 概述概述Using external sensors:The devices are fixed in predetermined points,e.g.,cameras.典型应用典型应用：intelligent homes(智能家居）智能家居）Using wearable sensors：加速度计、陀螺仪、加速度计、陀螺仪、GPS等等u人体动作识别方法分类人体动作

4、识别方法分类使用外部传感器：这些设备固定在预定的点上，例如，相机。使用可穿戴传感器:5u可识别的动作类别可识别的动作类别1.2 1.2 人体动作识别（研究、应用）现状人体动作识别（研究、应用）现状1 1 概述概述6u数据获取过程数据获取过程2 2 基于可穿戴基于可穿戴传感器的人体传感器的人体动作识别动作识别系统系统（HASHAS）的一的一般构架般构架可穿戴传感器集成设备加速度计、GPS。心脏监护仪，心电图，光传感器。温度计。等。手机、掌上电脑或笔记本电脑。udp/ip或通过Wi-Fi或蜂窝网络的ip存储和推理。本地（在集成设备上）或远程（在服务器上）72 2 基于可穿戴基于可穿戴传感器的传感器

5、的HASHAS一般构架一般构架u系统训练和测系统训练和测试的数据流程试的数据流程83 3 设计设计HASHAS应考虑的因素（应考虑的因素（7 7要点）要点）u传感器选择传感器选择如（三轴）加速度计：采样率、量程、置放位置如（三轴）加速度计：采样率、量程、置放位置置放位置取决于要识别的动作置放位置取决于要识别的动作u隐蔽性：传感器数量、体积、重量等因素隐蔽性：传感器数量、体积、重量等因素u数据采集方案：考虑性别、年龄、身高、体重、数据采集方案：考虑性别、年龄、身高、体重、健康状况等因素健康状况等因素u识别效果：定义的动作集、训练数据集的质量、识别效果：定义的动作集、训练数据集的质量、特征提取方法

6、、学习算法特征提取方法、学习算法u功耗功耗u信号处理信号处理94 4 动作识别方法动作识别方法4.1 4.1 特征提取特征提取1)1)概述概述同一个人的同一个动作，其信号一般不完全相同同一个人的同一个动作，其信号一般不完全相同u对时间序列数据，提取什么特征对时间序列数据，提取什么特征统计特征：幅度、均方差、傅里叶变换和小波统计特征：幅度、均方差、傅里叶变换和小波变换等变换等结构特征结构特征u如何提取特征：取决于信号如何提取特征：取决于信号u为什么提取特征为什么提取特征10 w:w:时间窗时间窗 采样率采样率 特征向量特征向量 原始数据转化为原始数据转化为特征向量示意图特征向量示意图 加速度 信

7、号训练数据集处理114 4 动作识别方法动作识别方法4.1 4.1 特征提取特征提取2)2)加速度信号特征提取加速度信号特征提取不同运动状态时不同运动状态时的加速度信号（的加速度信号（Y Y轴）轴）坐着走124 4 动作识别方法动作识别方法4.1 4.1 特征提取特征提取2)2)加速度信号特征提取加速度信号特征提取时间域134 4 动作识别方法动作识别方法4.1 4.1 特征提取特征提取3)3)环境变量特征提取环境变量特征提取4)4)生理信号特征提取生理信号特征提取u时域、频域、结构特征时域、频域、结构特征属性高度音频气压湿度光温度特性时域语音识别器时域和频域时域时域和频域时域。144 4 动

8、作识别方法动作识别方法4.1 4.1 特征提取特征提取4)4)生理信号特征提取生理信号特征提取u提取结构特征的必要性提取结构特征的必要性两个信号的两个信号的绝大多数时绝大多数时域和频率特域和频率特征相同征相同步行(翻)154 4 动作识别方法动作识别方法4.1 4.1 特征提取特征提取5)5)时间窗长度选择时间窗长度选择uShort time windows may not provide sufficient information to fully describe the performed activityuIf the windows are too long,there might

9、 be more than one activity within a single time windowu时间窗可部分重叠或不重叠时间窗可部分重叠或不重叠Depends on activities to be recognized and the measured attributes取决于要识别的活动和测量的属性取决于要识别的活动和测量的属性如果窗户太长，可能会有在单一时间窗口内不止一个活动。164 4 动作识别方法动作识别方法4.1 4.1 特征提取特征提取6)6)特征选择特征选择u提取的特征可能含有冗余和提取的特征可能含有冗余和/或不相关信息，或不相关信息，影响识别的准确性影响识别的

10、准确性u特征选择方法特征选择方法(无统一方法无统一方法)例如：例如：Correlation-based feature selection,under the assumption that features should be highly correlated with the given class but uncorrelated with each othermutual information-based feature selection 基于相关性的特征选择，假设特征应该与给定的类高度相关但彼此之间不相关互信息特征选择17u采用多传感器采用多传感器Gyorbiro(2009)U

11、sing three wristwatch-like devices,each of which contains an accelerometer,a magnetometer and a gyroscope;Three devices were attached to the wrist,hip and ankle,respectively;Data were sent to a mobile phone by Bluetooth;Data were classified using the feed-forward back-propagation neural networks（前馈反

12、向传播神经网络）1 1 动作识别概述动作识别概述使用三种类似手表的设备，每一种设备包括一个加速计、一个磁强计和一个陀螺仪;在手腕、臀部和脚踝上分别有三种装置;数据通过蓝牙发送到移动电话;18u采用单（加速度）传感器采用单（加速度）传感器Khan(2010)Using a tri-axial accelerometeru采用智能手机内置（加速度采用智能手机内置（加速度)传感器传感器存在问题存在问题The power-consumption and the computation workload pose challenges to the activity recognition on smart phones.1 1 动作识别概述动作识别概述使用三轴加速度计电能消耗和计算工作负载对智能手机的活动识别构成了挑战。