论文部分内容阅读
本文提出了一种利用智能手机进行人体运动识别的方法,手机按使用者的习惯任意的放置在口袋中。为了实现监测的智能化,我们利用手机内置的光线和近距离传感器结合手机的通话状态,建立了一个判断手机放置位置的模型。当判断出手机放置在口袋中后就激活手机内置的运动传感器采集人体的运动数据,然后将手机采集的数据在WEKA环境下进行特征值的挖掘。并利用其工具箱中的J48决策树、贝叶斯(NB)、序列最小优化(SMO)3种分类器对实验者的数据集进行离线分析,其中J48的分类精度最高达到了89.6%。最后利用分类效果比较好的J48决策树,在手机上开发了一种实时运动分类算法。当识别出了人体的运动状态后,又研究了走路和跑步两种运动状态下的计步算法。一种是利用智能手机来实现计步,另一种是利用中科院深圳先进技术研究院自主开发的微型动态心电仪来进行计步。又由于跌倒现象在老年人群体中比较常见且对老年人造成的危害比较大,我们又对跌倒监测的算法进行了研究。我们将手机固定在胸口的位置来进行数据的采集,让志愿者在实验室条件下模拟老年人的跌倒。最后,我们设计了一种跌倒预警系统。文中我们对人体运动中的心电数据也进行了采集,研究了不同运动状态下的心电,试图找到一种有用的信号来辅助我们进行运动的识别。本文的主要研究内容包括以下三个方面：1、利用智能手机内置的光线和近距离传感器判别手机的放置位置,识别出手机的位置后进行手机在位置和方向都不固定的情况下的人体运动识别算法的研究。利用WEKA数据挖掘软件进行分类算法的对比,最后根据分类效果好的算法在手机上开发了一款实时运动分类应用程序。2、研究了跌倒识别的方法并设计了一种老年人跌倒预警系统,结合人体运动中的心电辅助运动识别的研究,并开发出了一款异常心电预警系统。3、研究了智能手机和微型动态心电仪的计步算法,手机在位置和方向都不固定的情况下,利用内置的加速度传感器等运动传感器来进行计步。