基于bp神经网络的人体运动姿态识别
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1 数据预处理
集时间为 30s，采样频率为 100Hz。 1.2 合成加速度
为了更加准确的描述人体的运动情况，将三维加 速度数据合成为一维加速度[3]。
acc= 姨accx2+accy2+accz2 1.3 去噪处理
（1）
为了提高识别的准确率, 需要对采集数据进行滤波,减
少噪声的影响[4]。静止、走路、上楼、下楼 4 种状态的原
为了方便后面的滤波处理，先对原始数据去均值， 在滤波去噪阶段，本文选择了卡尔曼滤波，作为递归滤 波器中的一种，它的效率非常高，它以最小均方误差为 最佳估计准则，利用前一时刻的估计值和当前时刻的观 测值来更新对状态变量的估计，求出当前时刻的估计值[5]。
时间更新方程：
x赞 k軈=Ax赞 k-1+Buk-1
Pk軈=APk-1AT+Q
状态更新方程：
Kk=
Pk軈HT R+HPk軈HT
（2） （3）
（4）
x赞 k=x赞 k軈+K(Zk-Hx赞 k軈) Pk=(1-KkH)Pk軈 经过卡尔曼去噪后的波形图如图 2 所示：
（5） （6）
图 2 滤波后的合成加速度
1.4 特征提取 为了使特征提取步骤变得更加方便，本文选取长
始加速度如图 1 所示。
1.1 采集数据 本文通过 JY-901 传感器采集数据。JY-901 采用
9 轴算法，输出速率最高可以达到 200Hz。在实验中， 采集运动数据的装置固定在腰部，选取实验者 3 名男 性、2 名女性，采集了 5 个人 4 种动作的三轴加速度数 据，包括静止、走路、上楼、下楼，每种动作采集 5 次，采
（沈阳航空航天大学 电子信息工程学院，辽宁 沈阳 110136）
灾燥造援27 晕燥援6 Dec援 圆园19
摘 要：为了提高人体运动姿态识别的准确度，提出一种基于 BP 神经网络的识别方法。通过对可穿戴式传感器采集到的 运动数据进行预处理，运用滑动时间窗方法进行时域特征和频域特征的提取，生成特征向量，采用基于阈值的分类方法区 分静止和运动，再采用基于 BP 神经网络的算法区分走路、上楼和下楼三种运动。实验表明，该方法能有效识别人体运动姿 态，算法的平均准确率达到 89%以上。 关键词：特征提取；BP 神经网络；人体运动姿态 中图分类号：TP391.41 文献标识码：A
度为 200 的窗口，使用 50%重叠的滑动窗对运动数据 进行加窗处理，对运动数据进行分割。特征提取方法主 要包括时域特征提取和频域特征提取 [6]。
本文提取的主要特征有：均值、标准差、众数、方 差、最大值、最小值、极值、偏度、直流分量、信号能量、 幅值以及形状的统计特征。
第 2第7 卷27第卷第6 期6 期 ２0 1 9 年 12 月 文章编号：员园园缘原员圆圆愿（圆园19）园6原园园21原03
吴电家菊等脑：交互与式电子信技术手息册的技技术发术展与应用研究 悦燥皂责怎贼藻则 葬灶凿 陨灶枣燥则皂葬贼蚤燥灶 栽藻糟澡灶燥造燥早赠
基于 BP 神经网络的人体运动姿态识别
贾 亮，董雪薇
图 1 原始数据波形图
收稿日期：2019-07-03 作者简介：贾亮（1971-），男，辽宁省大石桥市人，副教授，硕士研究生，硕士生导师，主要研究方向：信息获取与处理；（通讯作者）董雪薇（1994-），女。 辽宁沈阳人，硕士研究生，主要研究方向：信息获取与处理。
·22·
电脑与信息技术
2019 年 12 月
人体行为识别主要分为两类：基于视觉的人体行 为识别和基于传感器的人体行为识别[1]。与前者相比， 基于传感器的人体行为识别易于携带、不受场景、时间 的限制，抗外界干扰能力强、数据获取更自由等优点， 更适合推广应用[2]。本文通过可穿戴式传感器采集运动 数据的三轴加速度信号，在 MATLAB 仿真环境下，设 计 BP 神经网络，进行判断并准确识别 4 种人体运动 姿态。
Human Motion Gesture Recognition Based on BP Neural Network
JIA Liang1, DONG Xue-wei2
(School of Electronic Information Engineering, Shenyang Aerospace University, Shenyang 110136, China) Abstract：In order to improve the accuracy of human body motion recognition, a BP neural network based recognition method is proposed. By preprocessing the motion data collected by the wearable sensor, the sliding time window method is used to extract the time domain features and the frequency domain features, and the feature vector is generated. The threshold-based classification method is used to distinguish between static and motion, and then BP-based. The neural network algorithm distinguishes between three movements: walking, going upstairs and going downstairs. Experiments show that the method can effectively recognize the human body motion posture, and the average accuracy of the algorithm is over 89%. Key words: feature extraction;BP neural network; human motion posture
集时间为 30s，采样频率为 100Hz。 1.2 合成加速度
为了更加准确的描述人体的运动情况，将三维加 速度数据合成为一维加速度[3]。
acc= 姨accx2+accy2+accz2 1.3 去噪处理
（1）
为了提高识别的准确率, 需要对采集数据进行滤波,减
少噪声的影响[4]。静止、走路、上楼、下楼 4 种状态的原
为了方便后面的滤波处理，先对原始数据去均值， 在滤波去噪阶段，本文选择了卡尔曼滤波，作为递归滤 波器中的一种，它的效率非常高，它以最小均方误差为 最佳估计准则，利用前一时刻的估计值和当前时刻的观 测值来更新对状态变量的估计，求出当前时刻的估计值[5]。
时间更新方程：
x赞 k軈=Ax赞 k-1+Buk-1
Pk軈=APk-1AT+Q
状态更新方程：
Kk=
Pk軈HT R+HPk軈HT
（2） （3）
（4）
x赞 k=x赞 k軈+K(Zk-Hx赞 k軈) Pk=(1-KkH)Pk軈 经过卡尔曼去噪后的波形图如图 2 所示：
（5） （6）
图 2 滤波后的合成加速度
1.4 特征提取 为了使特征提取步骤变得更加方便，本文选取长
始加速度如图 1 所示。
1.1 采集数据 本文通过 JY-901 传感器采集数据。JY-901 采用
9 轴算法，输出速率最高可以达到 200Hz。在实验中， 采集运动数据的装置固定在腰部，选取实验者 3 名男 性、2 名女性，采集了 5 个人 4 种动作的三轴加速度数 据，包括静止、走路、上楼、下楼，每种动作采集 5 次，采
（沈阳航空航天大学 电子信息工程学院，辽宁 沈阳 110136）
灾燥造援27 晕燥援6 Dec援 圆园19
摘 要：为了提高人体运动姿态识别的准确度，提出一种基于 BP 神经网络的识别方法。通过对可穿戴式传感器采集到的 运动数据进行预处理，运用滑动时间窗方法进行时域特征和频域特征的提取，生成特征向量，采用基于阈值的分类方法区 分静止和运动，再采用基于 BP 神经网络的算法区分走路、上楼和下楼三种运动。实验表明，该方法能有效识别人体运动姿 态，算法的平均准确率达到 89%以上。 关键词：特征提取；BP 神经网络；人体运动姿态 中图分类号：TP391.41 文献标识码：A
度为 200 的窗口，使用 50%重叠的滑动窗对运动数据 进行加窗处理，对运动数据进行分割。特征提取方法主 要包括时域特征提取和频域特征提取 [6]。
本文提取的主要特征有：均值、标准差、众数、方 差、最大值、最小值、极值、偏度、直流分量、信号能量、 幅值以及形状的统计特征。
第 2第7 卷27第卷第6 期6 期 ２0 1 9 年 12 月 文章编号：员园园缘原员圆圆愿（圆园19）园6原园园21原03
吴电家菊等脑：交互与式电子信技术手息册的技技术发术展与应用研究 悦燥皂责怎贼藻则 葬灶凿 陨灶枣燥则皂葬贼蚤燥灶 栽藻糟澡灶燥造燥早赠
基于 BP 神经网络的人体运动姿态识别
贾 亮，董雪薇
图 1 原始数据波形图
收稿日期：2019-07-03 作者简介：贾亮（1971-），男，辽宁省大石桥市人，副教授，硕士研究生，硕士生导师，主要研究方向：信息获取与处理；（通讯作者）董雪薇（1994-），女。 辽宁沈阳人，硕士研究生，主要研究方向：信息获取与处理。
·22·
电脑与信息技术
2019 年 12 月
人体行为识别主要分为两类：基于视觉的人体行 为识别和基于传感器的人体行为识别[1]。与前者相比， 基于传感器的人体行为识别易于携带、不受场景、时间 的限制，抗外界干扰能力强、数据获取更自由等优点， 更适合推广应用[2]。本文通过可穿戴式传感器采集运动 数据的三轴加速度信号，在 MATLAB 仿真环境下，设 计 BP 神经网络，进行判断并准确识别 4 种人体运动 姿态。
Human Motion Gesture Recognition Based on BP Neural Network
JIA Liang1, DONG Xue-wei2
(School of Electronic Information Engineering, Shenyang Aerospace University, Shenyang 110136, China) Abstract：In order to improve the accuracy of human body motion recognition, a BP neural network based recognition method is proposed. By preprocessing the motion data collected by the wearable sensor, the sliding time window method is used to extract the time domain features and the frequency domain features, and the feature vector is generated. The threshold-based classification method is used to distinguish between static and motion, and then BP-based. The neural network algorithm distinguishes between three movements: walking, going upstairs and going downstairs. Experiments show that the method can effectively recognize the human body motion posture, and the average accuracy of the algorithm is over 89%. Key words: feature extraction;BP neural network; human motion posture