|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
基于三轴传感器的老年人日常活动识别
8 {/ I) V2 {$ [) f摘要:本文针对老年人日常活动类型及特点提出了一种基于三轴加速度传感器和HMM( Hidden Markov Mod-el)的活动识别方法.本文首先提取了针对老年人相异、相似活动的标准差、能量、相关系数RAF (RAtio Forward ) RVF(Ratio Vertical Forward)等特征值.然后定义老年人的 HMM活动识别模型.最后在经过 Baum-Welch算法对HMM进行参数训练后使用Viterbi算法来进行老年人活动识别.实验结果表明,本文方法适用于老年人的日常活动的识别,平均识别精度达到了93.3% ,尤其是对于相似步态活动的识别准确率达到了93.7%.8 R( h! P4 u# P( S: s0 s
关键词:活动识别;三轴传感器;特征提取;隐马尔科夫模型, \& d+ `2 P c: n+ k: G4 E" X
l0 Z) s2 G) R0 s w# K" J$ A$ P) [1引言
, X U, E7 L7 k7 d! {身体活动及锻炼"正成为了糖尿病、骨关节炎等慢性疾病辅助治疗的重要手段之一.老年人的活动监测有助于医生或家人了解其活动规律、类型及运动量,提高医生对健康评价的准确性,以制定更合适的康复治疗策略.% c3 q5 j- ?/ U' [! ^
现有活动识别主要基于计算机视觉[2,3]及传感器技术,前者利用图像技术,缺点是无法识别复杂活动、易受干扰、侵犯隐私等.而后者则具有数据获取自由、抗干扰﹑保护隐私等优点. Khan Z.A 等[2使用基于图像的老年人异常活动识别,能有效识别相异度大的活动,但相似活动识别不理想.Assam,R等[3提出的基于二进小波和 HMM的识别方法,该方法能有效区分相似动作.然而在区分轴向相关性强的活动上存在一定的缺陷.4 y0 q2 A# _# Z0 d% W% Z
本文采用基于传感器技术进行活动识别,解决了老年人活动的特有特征的选取及识别方法问题,通过对比实验验证本文方法在老年人活动识别中的可行性和准确度,同时也对比了不同传感器佩戴位置对活动识别精度的影响.
/ G/ {$ ` ]( G) w$ z* v2 D6 O! D5 |7 h- H4 z
" [9 V, v& a9 x4 t$ `$ z g% c# T7 Z! W
3 h# z/ D! L/ a5 E, C |
|