摘要：人體動作識別一向是計算機視覺與模式識別領域中的熱門領域，其定義是利用計算機技術識別人體的動作行為并對其進行分類。在大部分傳統的人體動作識別研究中，根據攝像頭記錄的視頻數據進行分析為主，現在又出現了根據傳感器采集的運動數據的方法。本課題的研究就是是基于可穿戴傳感器及骨骼數據的人體動作識別。

在機器學習分類算法中，最關鍵的步驟是特征提取和分類器構造，這也是也是人體動作識別中研究的核心問題。現有的基于骨骼數據的動作識別研究大多采用了單層分類的方式，忽略了動作的層次關系，且沒有過多的關注特征方面的時序問題，對時序的處理也只是為了便于處理而將動作的時間序列轉換成無序數據。但實際上，時間也是動作識別中一個重要的特征。因此本課題的研究方向就是在處理了時序問題的人體動作識別即基于過程神經網絡的人體動作識別。過程神經網絡是由何新貴、梁久禎教授提出的一種神經網絡模型[1]。其中的過程神經元模型是傳統人工神經元模型在時間域上的擴展。其輸入為與時間有關的函數或過程[2]。因此基于過程神經網絡且基于骨骼數據人體動作識別研究具有很大意義。具體研究內容如下：

在第三章節論述了過程神經網絡的訓練及其應用，闡明了為何可以將之應用于骨骼數據的人體動作識別。在第四、第五章節，為了實現這一想法，利用matlab對骨骼數據進行特征提取，并使用了其中的前饋過程神經元網絡模型和基于梯度下降算法對數據進行訓練，驗證這一方法的可行性。

關鍵詞：過程神經網絡；骨骼數據；傳感器；人體動作識別；Matlab；

目錄

摘要

Abstract

1.緒論-5

1.1研究背景-5

1.2研究意義-7

1.3全文主要內容及結構-7

2.人體動作識別相關技術-5

2.1國內外人體動作識別技術的研究現狀-9

2.2面臨挑戰-10

3.過程神經網絡介紹-12

3.1過程神經網絡技術概述-12

3.1.1 神經元模型-12

3.1.2過程神經網絡模型-12

3.2定理-14

4實驗原理-15

4.1模型建立-15

4.2算法-15

5.實驗分析-17

5.1數據庫介紹-20

5.2數據分析-21

5.3數據處理-29

5.3.1特征選擇-29

5.3.2添加傳感器數據-30

5.3.3時間戳處理-31

5.3.4添加樣本標簽-32

5.3.5樣本幀數統一-33

5.4結果分析-37

6.總結與展望-42

6.1工作總結-42

6.2未來展望-42

參考文獻-43

致謝-46

附錄-47