ارائه یک مدل فراابتکاری برای تشخیص ریزحرکات انسان مبتنی بر حس گرهای اینرسی

پیشرفت اخیر حس گرهای اینرسی مبتنی بر فناوری سیستم های میکرو الکترومکانیکی امکان طراحی دستگاه های پوشیدنی را برای تشخیص خودکار حرکات انسان فراهم نموده است. رهگیری حرکات طبیعی بدن در تعامل با محیط، نیازمند پردازش سیگنال های اینرسی در سطح جزئی است. این رهگیری به کمک تشخیص حرکات کوتاه و پیوسته انسان انجام می شود. در این مقاله روشی برای تشخیص ریزحرکات پیوسته انسان برمبنای پردازش سیگنال های اینرسی معرفی شده است. در این روش، ابتدا با استفاده از الگوریتم های ناوبری اینرسی، سیگنال شتاب خطی و جاذبه زمین محاسبه می شود؛ سپس با ترکیب این دو سیگنال، ویژگی های متمایزکننده استخراج می شود. نوآوری این مقاله برای تشخیص ریزحرکات پیوسته معرفی یک مدل طبقه بندی جدید تحت عنوان مدل های شرطی است. هر مدل متعلق به یک کلاس ریزحرکت است که عملیاتی را به منظور تشکیل یک مجموعه عبارت منطقی و طبقه بندی نمونه های آن کلاس خاص انجام می دهد. در روش معرفی شده، به منظور پیدا کردن عبارت های منطقی بهینه برای هر مدل، از بهینه سازی ازدحام ذرات (Particle Swarm Optimization) استفاده شده است. به منظور ارزیابی، روش پیشنهادی برای تشخیص ریزحرکات پیوسته نماز مورد آزمایش قرار گرفته است. اجرای الگوریتم بر روی جامعه آماری از نمازگزاران و مقایسه آن با مدل های مرسوم طبقه بندی ریزحرکات پیوسته، نشان از درستی و تشخیص بالای روش پیشنهادی دارد.

کلیدواژه ها:

بهینه سازی ازدحام ذرات ، حس گرهای اینرسی ، ریزحرکات ، طبقه بندی ، مدل های شرطی