基于Softmax回归分类分析的人体运动检测研究.docxVIP

?

?

基于Softmax回归分类分析的人体运动检测研究

?

?

孙小华

摘要：提出一种基于分类分析的人体运动状态识别方法。通过手机内置的加速度传感器采集相关数据，然后对采集的数据进行预处理，采用Softmax回归分类算法对人体运动状态进行分类。在深度学习框架TensorFlow下的實验结果显示此算法分类精度较高，对静止、走路、慢跑、上下楼梯、骑车等五种运动状态的综合识别率为88.18%。

Abstract：Thispaperproposesahumanmotionstaterecognitionmethodbasedonclassificationanalysis.Therelevantdataiscollectedbythebuilt-inaccelerationsensorofthemobilephone，andthenthecollecteddataispreprocessed，andtheSoftmaxregressionclassificationalgorithmisusedtoclassifythehumanmotionstate.TheexperimentalresultsunderthedeeplearningframeworkTensorFlowshowthattheclassificationaccuracyofthisalgorithmishigh，andthecomprehensiverecognitionrateoffivekindsofmotionstatessuchasstatic，walking，jogging，upanddownstairs，andcyclingis88.18%.

关键词：人体行为识别;Softmax回归分类;加速度传感器

Keywords：humanbehaviorrecognition;Softmaxregressionclassification;accelerationsensor

：TN911.3??????????????????：A?????????????????：1006-4311（2019）26-0239-02

0?引言

人体运动状态识别系统通过各类传感器实时获取人体的运动数据，然后运用算法分析对运动状态进行分类识别，从而判断出人体当前的运动状态。人体运动状态识别可以用于老人或病人的监护、智能家居等系统。如在智能家居领域，可以通过分析处理传感器获取的数据，对人体进行跌倒检测。之前国内外对人体运动状态的识别主要是通过可穿戴式设备采集相关的数据进行分析，但穿戴这些设备会导致人体运动不便。随着移动互联网技术及传感器技术的发展，智能手机内置了加速度、陀螺仪、光、磁场、气压等传感器可以采集手机的状态数据，通过采集手机的状态数据可以对人体的运动状态进行分析识别。与传统的可穿戴式设备相比，采用智能手机进行人体运动状态识别具有便捷性的优点。

常用的人体运动状态识别分类算法有Kmeans聚类、支持向量机SVM、隐马尔可夫模型HMM、决策树、BP神经网络、卷积神经网络CNN等等。

1?Softmax回归分类

Softmax回归分类算法是Logistic回归分类算法在多分类问题上的推广。在多分类问题中，分类标签可以取两个以上的值。Softmax回归分类算法对手写数字分类等问题有很好的效果，如MNIST手写数字的识别正确率可达92%。

该算法的原理如下：将可以判别为某类的特征相加，然后将这些特征转化为判定为属于这一类的概率。这些特征可以表示成下式：

式中i代表第i类，j表示第j个属性，bi是偏置。

然后对所有特征计算softmax，即计算一个指数函数，再进行标准化，使得所有类别输出的概率值的和为1。

其中判定为第i类的概率由下式得到。

特征的值越大的类，输出的概率也越大;反之，特征的值越小的类，输出的概率也越小。最后取输出概率最大的类标签作为该条数据的类标签。

2?算法及流程

2.1原始数据集

本文研究人体静止、走路、跑步、上下楼梯、骑自行车等状态的识别，本实验选取了5名实验者进行实验，实验手机为华为Mate9型号，采集手机的加速度传感器数据。原始数据为人体各种运动状态下Android智能手机加速度传感器采集的数据，通过人工方式对采集的数据进行类别标注，如静止设为0，走路设为1，跑步设为2等等。由于人体运动的频率较低，一般小于10Hz，所以拟将传感器的采集频率设为20Hz，根据香农采样定理，可以保证采样