基于加速度传感器的人体行为模式识别和分析

Accelerometer based human motion pattern recognition is an emerging research in the field of pattern recognition. But, because of the diversity of objective environment and the complexity of motion, this research still has some very difficult problems to be solved. Thus, in this project, based on pattern classification and data mining method, we study the key issues of human motion pattern recognition and analysis and propose some effective algorithms to achieve the purpose of improving the classification performance and promoting the practical application. The main content and innovation include: (1) Based on multi-modal feature and multi-classifier fusion decision,accelerometer based human motion pattern is recognized. (2) Using tansfer similar metric learning and seed samples construction, semi-supervised AP clustering algorithm is proposed.(3)Using higher resolution and small scale analysis, an algorithm for similar motion pattern classification is introduced.(4)Based on motion pattern recogniton,an intelligent health monitoring system is presented.

基于加速度传感器的人体行为模式识别是模式识别领域一个新兴的研究方向，由于客观环境的多样性以及人体运动的复杂性，使得人体行为模式识别和分析研究还有一些关键问题有待解决。本项目基于模式分类和数据挖掘方法，系统的研究了基于加速度传感器的人体行为模式识别和分析中的关键问题，提出和实现有效的方法和算法，以达到提高识别性能、推动实际应用的目的。主要研究内容和创新点包含： (1)基于多模式特征和多模式分类结果融合，理解及识别基于加速度传感器的人体行为模式；（2）利用迁移相似性度量学习和种子样本构建策略，实现行为模式加速度信号的半监督AP聚类；（3）利用高分辨率和小尺度分析方法，寻找加速度信号到不同相似行为模式的结构映射，解决相似行为模式易混淆的难题；（4）融合人体行为模式识别和分析技术实现大学生智能健康监测应用系统。

基于加速度传感器的人体运动模式识别是模式识别领域一个新兴的研究方向，其本质是首先通过一个或多个加速度传感器获取人运动时产生的加速度信号并通过蓝牙无线传输技术将数据传送到移动设备中，然后对数据进行预处理、特征提取和选择，最后根据提取的特征对运动进行分类和识别。目前，基于加速度传感器的人体运动模式识别研究还处在一个相对基础的阶段, 尽管基于加速度传感器的人体运动模式识别技术在近十多年来已经取得了极大的发展，但是，由于客观环境的多样性以及人体运动的复杂性使得人体运动模式识别研究还有很多亟待解决的问题摆在研究者面前，包括如何针对不同运动模式的细致分类及人体行为模式的分析及识别进一步研制新的识别技术，解决数据库的建立、有效特征提取、高效分类算法设计等识别难题。. 针对以上问题，课题组研究了基于多模式特征和多模式分类结果融合的人体行为模式理解及识别技术，这种技术首先根据已有的认知模型提取多模式特征，然后利用MDO和VCR两种融合方法，互补不同模式特征间的优点，从而达到提高识别性能的目的。接着，课题组还研究了基于深度卷积神经网络的行为模式识别问题。然而这项研究工作还面临许多技术难题，包括：迁移相似性度量学习和种子样本构建策略，加速度信号到不同行为模式的结构映射，以及相关机器学习。课题组围绕这些难点对基于加速度传感器的运动模式识别技术展开了一系列的研究，大大提高了识别性能，同时还实现了一个健康监测应用系统。