摘要：人体动作识别一向是计算机视觉与模式识别领域中的热门领域，其定义是利用计算机技术识别人体的动作行为并对其进行分类。在大部分传统的人体动作识别研究中，根据摄像头记录的视频数据进行分析为主，现在又出现了根据传感器采集的运动数据的方法。本课题的研究就是是基于可穿戴传感器及骨骼数据的人体动作识别。

在机器学习分类算法中，最关键的步骤是特征提取和分类器构造，这也是也是人体动作识别中研究的核心问题。现有的基于骨骼数据的动作识别研究大多采用了单层分类的方式，忽略了动作的层次关系，且没有过多的关注特征方面的时序问题，对时序的处理也只是为了便于处理而将动作的时间序列转换成无序数据。但实际上，时间也是动作识别中一个重要的特征。因此本课题的研究方向就是在处理了时序问题的人体动作识别即基于过程神经网络的人体动作识别。过程神经网络是由何新贵、梁久祯教授提出的一种神经网络模型[1]。其中的过程神经元模型是传统人工神经元模型在时间域上的扩展。其输入为与时间有关的函数或过程[2]。因此基于过程神经网络且基于骨骼数据人体动作识别研究具有很大意义。具体研究内容如下：

在第三章节论述了过程神经网络的训练及其应用，阐明了为何可以将之应用于骨骼数据的人体动作识别。在第四、第五章节，为了实现这一想法，利用matlab对骨骼数据进行特征提取，并使用了其中的前馈过程神经元网络模型和基于梯度下降算法对数据进行训练，验证这一方法的可行性。

关键词：过程神经网络；骨骼数据；传感器；人体动作识别；Matlab；

目录

摘要

Abstract

1.绪论-5

1.1研究背景-5

1.2研究意义-7

1.3全文主要内容及结构-7

2.人体动作识别相关技术-5

2.1国内外人体动作识别技术的研究现状-9

2.2面临挑战-10

3.过程神经网络介绍-12

3.1过程神经网络技术概述-12

3.1.1 神经元模型-12

3.1.2过程神经网络模型-12

3.2定理-14

4实验原理-15

4.1模型建立-15

4.2算法-15

5.实验分析-17

5.1数据库介绍-20

5.2数据分析-21

5.3数据处理-29

5.3.1特征选择-29

5.3.2添加传感器数据-30

5.3.3时间戳处理-31

5.3.4添加样本标签-32

5.3.5样本帧数统一-33

5.4结果分析-37

6.总结与展望-42

6.1工作总结-42

6.2未来展望-42

参考文献-43

致谢-46

附录-47