|
|
摘要：
行为识别有多种类型，如基于传感器的单用户行为识别，基于传感器的多用户行为识别，基于视觉的行为识别等。基于传感器的行为识别结合了机器学习和数据挖掘为人类的活动广泛建模。移动设备，如智能手机，其中的传感器可以捕获多种传感数据，并有着足够的计算能力去估计人们在日常生活中的行为和活动。由于不可避免地会产生噪声信号，基于传感器的行为识别具有一定的挑战性。在这样的情况下，统计建模和统计推断的应用起到了重要作用。
随着智能手机的快速发展，手势交互作为一种自然便捷的交互方式成为移动设备人机交互的热点。本文主要进行的是基于手机加速度传感器的用户行为识别，手势识别。通过加速度传感器采集手势数据，在预处理阶段滤波后的到目标数据，对数据进行特征提取得到特征向量，在模型的选择中，使用weka对决策树和贝叶斯网络两种算法进行了模型的训练及验证，最终选择了效果较好的决策树模型。在最终的测试中取得了相对较好的识别效果。
关键词：手势识别；加速度传感器；特征提取；贝叶斯网络；决策树
目录：
1 绪论 1
1.1 研究背景 1
1.2 国内外研究现状 1
1.3 研究内容 3
1.4 本文结构框架 3
2 手势识别 4
2.1 基于穿戴设备的手势识别 4
2.2 基于视觉的手势识别 4
2.3 基于IMU设备的手势识别 5
2.3.1 IMU传感器. 6
2.4 手势识别框架 7
2.5 行为识别相关技术 8
2.5.1 滤波器 8
2.5.2 决策树模型算法. 11
2.5.3 贝叶斯网络模型算法. 13
3 手势识别系统 16
3.1 系统框架 16
3.2 系统实现流程 16
3.3 数据采集 17
3.3.1 实验设备 17
3.3.2 手势动作定义 17
3.3.3 手势数据采集 18
3.3.4 手势数据保存与预览 20
3.4 预处理 25
3.4.1移动平均处理 25
3.5 特征提取 27
3.5.1确定特征 28
3.5.2实现特征提取 28
3.6 模型训练及验证 32
3.7 测试结果分析及比较 34
3.7.1 WEKA测试分析与比较 34
3.7.2模型实际测试分析与比较 35
3.8 改进方案 36
4 总结 37
结束语 38
参考文献 39
致 谢 40
外文文献 41
中文翻译 52
论文字数：26785
包含资料：
截图：
百度网盘下载地址（金币充值）：
游客,本付费内容需要支付 200金币 才能浏览 支付
|
|
发表于 2016-10-29 23:50:31
收藏