基于可穿戴设备的人体姿态识别研究

• 作 者: 洪淼
• 出 处: 浙江理工大学
• 发表日期: 2020年01期
• 关键词: 可穿戴设备 行为识别 阈值 手语识别 模糊分类器 支持向量机 字符串匹配

人体姿态包括整体躯体运动的人体行为以及局部肢体运动的手势,随着物联网等技术的发展,姿态识别在生物医疗、人机交互、智能家居等重要领域扮演越来越重要的角色。当前,我国人口老龄化趋势加剧,亚健康人群众多,且残疾群体中聋哑人数量较多,设计有效的人体姿态算法及系统将有助于解决弱势群益特别是老年人居家养老以及聋哑人交流障碍问题。传统行为识别和手语识别中基于视觉图像分析方法存在隐私安全和环境干扰问题。一方面,现有基于可穿戴设备行为识别系统的识别类别少、准确率不高;再一方面,现有基于可穿戴设备手语识别系统的用户相关度高,准确率不高,类别少。本文针对上述不足之处,本文开展基于可穿戴设备的人体姿态识别研究,主要针对姿态中的人体行为识别和手语识别两方面,并在此基础上分别设计了行为识别系统和手语识别系统,详细研究内容如下:(1)研究人体行为和手语的特点。对人体姿态中人体行为、手势的研究对象进行了探讨,分析并总结了各类人体行为和手势的特点。人体行为主要可分为异常行为和日常行为,手势中的手语主要可分为字母手语、数字手语和字词手语,还对中美字母、数字手语进行对比研究。(2)设计行为识别算法。针对现有基于可穿戴设备的行为识别存在类别少、准确率不高问题,根据人体行为特点提取人体行为的特征,包括人体倾角、高度差百分比、足底压强及人体合加速度。结合多传感数据,设计了基于阈值的人体行为识别算法,并通过采集的实验数据进行离线实验测试,验证了该算法的性能。还利用人体步行过程中足底压力变化规律,设计了基于足底压强的步频计算算法,用来检测步行或跑步过程中的步频。(3)设计手语识别算法。针对现有基于可穿戴设备的手语识别存在用户相关度高、准确率不高和类别少的问题,对手语数据的预处理做了初步研究,包括归一化、数字滤波、信号特征提取以及物理特征提取。设计了弯曲度模糊分类器和张开度模糊分类器,用于提取手指弯曲度和张开度物理特征。进一步利用手语数据特征以及支持向量机方法,构建了基于模糊分类器的单一型中国手语多分类模型,用于识别数字、字母等单一型中国手语。利用中国字词手语构成特点设计了基于字符串匹配的复合型中国字词手语识别算法,用于识别复合型中国字词手语。最后利用采集的实验数据进行离线实验,验证了模糊分类器、模型和算法的有效性。(4)可穿戴设备系统设计及物理实验。设计了基于可穿戴设备的行为识别系统和手语识别系统、硬件电路、数据采集与通信时序。还进行了物理实验测试,并与其他论文进行比对。本文设计了基于可穿戴设备的行为识别系统验证行为识别算法,可识别11类人体行为,整体准确率为98.0%。同时,设计了基于可穿戴设备的手语识别系统验证手语识别算法,10个中国数字手语识别的整体准确率为99.80%,30个中国字母手语准确率为99.0%,10个复合型中国字词手语准确率为97.87%。