【摘 要】
：
人体动作识别依靠获取运动、环境、生理电信号等特有的相关信息,通过解析动作的属性判断人体行为。基于微机电系统（Micro-Electro-Mechanical System,MEMS）传感器的人体动作识别现可应用于智能看护、医疗康复及运动健身等多个领域,本文从理论研究（深度学习）和工程设计（MEMS状态机）两方面研究人体动作识别。本文搭建以下硬件环境,首先设计基于Android系统的智能手机APP用
论文部分内容阅读
人体动作识别依靠获取运动、环境、生理电信号等特有的相关信息,通过解析动作的属性判断人体行为。基于微机电系统（Micro-Electro-Mechanical System,MEMS）传感器的人体动作识别现可应用于智能看护、医疗康复及运动健身等多个领域,本文从理论研究（深度学习）和工程设计（MEMS状态机）两方面研究人体动作识别。本文搭建以下硬件环境,首先设计基于Android系统的智能手机APP用于深度学习实验数据的采集,另外搭建了基于STEVAL传感器模块的状态机仿真平台和基于n RF51822+超低功耗蓝牙的实验平台,用于MEMS状态机编程和动作快速识别的下位机设计。本文利用深度学习算法实现对基于MEMS传感器的人体动作数据的识别,通过分割卷积层的特征映射并在生成的小型输出映射之间以类残差分层方式进行连接,构建了一种基于融合内、外部多尺度特征的IRI-ALSTM双通道模型,使用2种公开数据集UCI HAR、WISDM和预处理后的基于智能手机APP自采数据对提出模型的分类性能进行了探究,比较了在不同内部分层参数下的动作识别率和计算负荷,并与其他分类算法进行比较,验证本文提出模型的有效性;另外提出了一种基于非锐化掩模结合精英保留策略的遗传算法（EGA-UM）的数据增强方法,利用非锐化掩模对训练集数据进行锐化,并通过基于精英保留策略的遗传算法对锐化参数进行寻优,生成提升IRI-ALSTM模型分类性能的良好扩充数据。最后,通过对MEMS传感器LIS3DSH内嵌的有限状态机进行研究,使用STEVAL传感器的状态机仿真平台对摔倒动作进行实时数据采集和可视化,实现状态机编程仿真。将优化后的状态机模型直接用于n RF51822+超低功耗蓝牙的嵌入式系统下位机的设计,利用蓝牙无线通讯对摔倒动作进行快速识别。
其他文献
互联网技术的不断普及,给人们带来了便利的同时也带来了挑战。由于网络安全事件的频繁发生,急需构建高效的流量异常检测模型并将其应用到网络安全领域中解决网络入侵问题。网络流量数据的样本不仅种类繁杂和数据量庞大,而且存在数据不平衡和特征维度高的问题。为了解决上述问题,论文的工作如下。首先,本文采用Boderline-SMOTE少数类数据合成方法,解决网络流量数据集中存在的数据不平衡问题。在网络流量数据中,
本文共2章，首先回顾了无穷矩阵变换的研究历史和现状，然后主要在Banach空间上，对一类非线性映射矩阵的求和法进行了若干研究，得到了有关矩阵变换定理的新结果：给出了Banach空间上一类无穷矩阵变换的刻划；对一个包含所有线性算子和一类非线性算子在内的映射类给出了矩阵族（c0（X），l∞（I，Y））的结论。 这些结果丰富了无穷矩阵变换的研究成果，对我们常接触的Banach空间的研究也具有重要意
本文主要讨论等度连续原理、一致有界原理及Banach-Steinhaus定理等基本原理的最新推广形式，刻划这些新结果在Banach空间上的新特征。本文共分三章，主要内容如下：在第一章绪论中说明了推广一致有界原理的意义；回顾了已知一致有界原理一百多年来的发展及人们在此方面所做的工作。在第二章中主要介绍了一些预备知识，其中包括：解剖算子、吸收算子、等度连续的定义并举了一些相关的例子。第三章讨论了等度连
优化增材制造（3D打印）两相钛合金（α+β）的结构和性能,在科学和工程领域具有重要意义。TC4和TC11合金是国标命名的两种钛合金牌号,在α+β两相钛合金中具有巨大应用价值和广泛应用领域。当脉冲电流经过金属材料时,在材料内产生焦耳热和电子风力,引起再结晶、相变、非晶晶化等现象,从而实现晶粒细化、电致塑性、损伤修复和性能提升。本文结合电脉冲（EPT）工艺特点和增材制造材料存在的问题,对选区激光熔化T
合成孔径雷达（Synthetic Aperture Radar,SAR）图像中舰船检测是目前海上应用中最重要的一部分,在民用和军事领域有着重要意义。SAR舰船图像中不同目标尺度跨度大以及传统检测方法对小目标不敏感是多尺度检测方法成为主流研究方向的两个原因。近年来,基于卷积神经网络（Convolutional Neural Network,CNN）的目标检测在光学领域取得了显著成功,基于CNN的舰船
在认知无线电系统中,宽带频谱感知技术发挥着重要的作用,与之相关的各类方法层出不穷。宽带信号携带了丰富的时域信息,实际应用中在频域往往具有稀疏性。如何有效地提取宽带信号的时频特征仍是频谱重建与感知的难点。为提高宽带频谱感知的性能,该文采用互质采样方法与深度学习思想结合的方式进行研究,研究内容包括以下三个方面:首先,为重建宽带频谱,降低构建宽带频谱感知模型的难度,设计了基于复数卷积的深度迭代网络。以交
随着生活水平的不断提高,以及人口老龄化趋势的日益明显,服务型移动机器人的需求逐渐增加。然而传统的移动机器人同步定位与地图构建（SLAM）技术无法向机器人提供人机交互、路径规划等任务所需的场景高级语义信息。此外,大多数SLAM算法将静态场景作为基本假设,容易受到动态目标的干扰。针对现有视觉SLAM技术的局限性,本文将深度学习与传统SLAM结合起来,构建了一个针对室内环境的鲁棒语义SLAM系统。在动态
图像阴影去除是图像预处理中必不可少的一步,可以提高计算机视觉和图形任务的性能,但阴影去除效果往往受到场景、光照条件、物体表面反射率的多样性等因素影响,因此如何克服特征提取时面临的诸多困难,实现鲁棒图像阴影去除仍然值得深入研究。该文在生成对抗网络算法基础上,融合敏感参数、谱归一化、自注意力机制等多种结构,从特征提取、模型优化和准确度提升等几方面,提出以下三种改进算法:首先,针对堆叠条件生成对抗网络在
视频合成孔径雷达（Video Synthetic Aperture Radar,VideoSAR）是一种新型的合成孔径雷达（Synthetic Aperture Radar,SAR）成像模式,不仅具有传统SAR的全天时、全天候优势,还具有高成像帧率、高分辨率的特性。它可以对监测场景进行连续成像,获得与视频相似的成像效果,为现代军事作战中目标检测和跟踪提供了帮助。由于对视频SAR目标检测的研究处于起