面向加速度傳感器人體動(dòng)作識(shí)別中的張量方法研究

近些年來(lái)，物聯(lián)網(wǎng)和智能設(shè)備引起研究人員越來(lái)越多的關(guān)注。利用加速度傳感器產(chǎn)生的加速度信號(hào)，可以分析日常的人體行為，比如行走、跑步和站立。同其它模式識(shí)別應(yīng)用一樣，如圖像標(biāo)注和文字識(shí)別，特征提取和特征選擇以及分類器設(shè)計(jì)是大多數(shù)面向加速度傳感器人體動(dòng)作識(shí)別研究主要關(guān)注的方面。本課題針對(duì)目前基于加速度信號(hào)的多類別動(dòng)作識(shí)別精度不高的問(wèn)題，提出了一種人體動(dòng)作識(shí)別整體研究框架，并以此為基礎(chǔ)進(jìn)一步提升動(dòng)作識(shí)別的準(zhǔn)確率。該框架綜合了特征提取，中層表達(dá)和特征融合等研究?jī)?nèi)容。在信號(hào)底層特征提取過(guò)程中，采用了基于張量表達(dá)與分析的信號(hào)處理方法，從而能有效的挖掘信號(hào)內(nèi)在的結(jié)構(gòu)特性。其次，在目前行為識(shí)別算法中，針對(duì)特征表達(dá)方面普遍存在的底層信號(hào)特征和高層語(yǔ)義之間的“語(yǔ)義鴻溝”問(wèn)題，提出了基于屬性方法的特征表達(dá)。該屬性表達(dá)是對(duì)低層特征的中層語(yǔ)義表達(dá)，能夠有效的緩解語(yǔ)義鴻溝給行為識(shí)別帶來(lái)的負(fù)面影響，為提高行為識(shí)別精度奠定基礎(chǔ)。最后，針對(duì)單一視角包含的人體信息偏差大的問(wèn)題，本課題采用多視角完備空間學(xué)習(xí)算法，通過(guò)在多個(gè)視角內(nèi)對(duì)完整信息進(jìn)行編碼從而尋找潛在完整空間的數(shù)據(jù)表達(dá)。項(xiàng)目執(zhí)行期間培養(yǎng)了該方向碩士研究生6名，相關(guān)學(xué)生也取得了諸多學(xué)術(shù)成果，并在國(guó)際國(guó)內(nèi)高水平學(xué)術(shù)期刊、會(huì)議上發(fā)表了多篇論文，其中論文23篇，包括SCI論文20篇，國(guó)際會(huì)議論文3篇，申請(qǐng)發(fā)明專利2項(xiàng)，其中已授權(quán)2項(xiàng)。所形成的研究成果被應(yīng)用于中國(guó)科學(xué)院深圳先進(jìn)院的柔性外骨骼項(xiàng)目中，該成果用于驅(qū)動(dòng)柔性外骨骼裝備。此外，項(xiàng)目成果還可廣泛應(yīng)用于人機(jī)交互領(lǐng)域特別是醫(yī)療監(jiān)護(hù)、輔助康復(fù)治療、智能機(jī)器人、運(yùn)動(dòng)預(yù)測(cè)等方面，從而為提升相關(guān)領(lǐng)域的智能化水平提供技術(shù)支撐。 2100433B

本課題研究面向加速度傳感器的人體動(dòng)作識(shí)別的有效方法。針對(duì)目前基于加速度信號(hào)的多類別動(dòng)作識(shí)別精度不高的問(wèn)題，擬提出一種人體動(dòng)作識(shí)別整體研究框架。該框架綜合了底層特征提取，中層表達(dá)和分類器設(shè)計(jì)。在信號(hào)底層特征提取過(guò)程中，擬采用基于張量表達(dá)與分析的信號(hào)處理方法，從而能有效的挖掘信號(hào)內(nèi)在的結(jié)構(gòu)特性。其次，在目前行為識(shí)別算法中，針對(duì)特征表達(dá)方面普遍存在的底層信號(hào)特征和高層語(yǔ)義之間的“語(yǔ)義鴻溝”問(wèn)題，擬提出基于屬性方法的特征表達(dá)。該屬性表達(dá)是對(duì)低層特征的中層語(yǔ)義表達(dá)，能夠有效的緩解語(yǔ)義鴻溝給行為識(shí)別帶來(lái)的負(fù)面影響，為提高行為識(shí)別精度奠定基礎(chǔ)。最后，為了提高行為模型的識(shí)別能力和魯棒性，本課題擬采用稀疏編碼與多元邏輯回歸聯(lián)合學(xué)習(xí)的識(shí)別方法。與現(xiàn)有方法相比，所提出的方法充分利用了底層特征與高層分類任務(wù)的聯(lián)系，克服了底層數(shù)據(jù)繁多難以處理的問(wèn)題，提高了行為識(shí)別的精度。

本項(xiàng)目研究面向并行工程的產(chǎn)品建模方法，包括研究集成的產(chǎn)品多領(lǐng)域模型，能夠同時(shí)支持特征設(shè)計(jì)和特征識(shí)別的庫(kù)特征表示，能夠并行建立產(chǎn)品多領(lǐng)域模型的混合特征建模方法，產(chǎn)品多領(lǐng)域模型的有效性和一致性維護(hù)方法等。本項(xiàng)研究對(duì)顯著提高現(xiàn)有產(chǎn)品建模技術(shù)的功能使其能夠有效地支持并行工程具有重要意義，對(duì)在我國(guó)順利實(shí)施并行工程將起到積極作用。 2100433B

應(yīng)用點(diǎn)積，并矢張量

其中，

注意到

這點(diǎn)積運(yùn)算得到的結(jié)果是一個(gè)協(xié)變向量。

并矢張量的縮并(tensor contraction)運(yùn)算，將每一個(gè)并置

需要注意：并矢積是不可交換的，也就是說(shuō)，除非兩個(gè)矢量

在物理學(xué)中，并矢張量最重要的應(yīng)用之一就是它和向量的縮并。對(duì)于并矢積

如果要求這種規(guī)定也適用于量子力學(xué)中的態(tài)矢量，在這種情況下就要特別注意每個(gè)式子右端各個(gè)向量的先后順序：用狄拉克符號(hào)來(lái)寫，則