导　　师： 薛洋

授予学位： 硕士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 体感动作识别和分析是一种通过对用户体感的相关信息进行分析,对用户的动作状态进行预测和识别的一种技术,可使用于人机交互、运动分析、行为理解、室内导航、医疗保健、老年人监护等方面。体感动作识别和分析经过十几年的发展,主要有两大类方法:一类是基于视频设备的,通过获取视频中的RGB或RGBD图像信息对体感动作分析;一类是基于传感器的,通过获取从可穿戴式传感器所得到的实时信号对体感动作进行分析。和基于视频设备的方法相比,基于传感器的方法具有体积较小、功效较低、不受光照和目标移动的影响等优点。而近年来,随着移动设备的高速发展,以iOS、Android平台为主的智能手机和智能手表等,已经集成了包括陀螺仪、加速计、心率计以及磁感应计等各类传感器,加之智能手机和智能手表日益增强的计算性能,让智能手机和智能手表完全能够胜任体感动作识别的任务。在得到硬件支持的前提下,本文提出了一种基于卷积神经网络的体感动作识别方法,通过修改卷积滤波器的尺寸以达到适应基于惯性传感器数据的目的。此方法在无需额外的特征工程的前提下就能够体现出比传统方法更优的识别性能,识别测试正确率达到93.8%。并在此基础上借鉴深度残差网络的特点进一步在网络中加入恒等映射,使得网络可以达到95.9%的识别测试正确率。在完成理论研究的基础上,本文在Android Wear上实现了基于深度残差网络的实时识别算法,通过C++的方式重新实现网络前向算法并编译成静态链接库,并以JNI调用的方式在Android Wear上调用该识别算法。在Android Wear上成功使用深度残差网络的静态链接库后,我们于智能手表上完成了基于Android Wear的健身动作识别。最后,本文还研究了基于对抗生成网络的数据生成,并将其应用于各类体感动作识别,通过将生成�

关 键 词： 六轴惯性信号 体感动作识别 卷积神经网络 深度残差网络 对抗生成网络

领　　域： []