论文部分内容阅读
随着科学技术的不断发展,人们对生活品质的要求越来越高,智能化的生活空间越来越受到人们的青睐。作为提高生活空间智能程度的一种重要途径,人体行为识别方法的研究逐渐从基于机器视觉的方法转向基于非视觉传感器数据。对人体行为有效地识别是智能空间下家居设备完成自动控制,为用户提供智能化和人性化服务的前提；是监测用户异常行为,提高用户安全系数的保证。本文以华盛顿州立大学智能空间实验室实验数据为基础,研究如何将智能空间技术与非视觉传感器技术相结合,构建智能空间下基于非视觉传感器数据的人体行为识别系统,利用智能空间中的传感器数据进行人体行为识别以了解用户的意图,并根据环境状况为用户提供及时、自主的服务。本文为人体行为识别提供了一种新的研究方法,研究内容主要包括以下几个方面：(1) 设计了一种在智能空间下基于非视觉传感器数据进行人体行为识别的方案。首先分析并设计了系统的整体流程,阐明了系统的层次结构以及各层间的相互关系；其次进行行为识别模式的划分,将其分为样本行为识别和在线行为识别两部分；最后对系统的样本行为数据进行处理。(2) 针对样本行为的数据特点,利用人工神经网络进行行为识别。根据行为识别要求,提出了一种基于BP神经网络算法的行为识别模型：针对BP神经网络在行为识别过程中,容易陷入局部最小值点或出现收敛速度过慢现象的缺陷,利用遗传算法对其进行改进。(3) 针对用户在智能空间中的陌生行为,利用隐马尔科夫模型进行在线行为识别。通过确定初始状态概率、建立状态转移矩阵和混淆矩阵构造隐马尔科夫模型进行行为识别,提高行为识别系统的在线识别能力。(4) 集成上述功能模块,构建行为识别整体系统并进行验证实验。利用智能空间中用户的行为传感器数据,对所提出的人体行为识别系统进行验证实验,并对实验结果进行分析。