基于物联网传感器的人体行为识别系统设计

传统的行为识别主要采用基于图像的方法。为解决图像识别设备成本较高的问题,本文提出了利用无线设备的接收信号强度来进行行为识别的方法。本实验设计了一个基于ZigBee无线传感器网络的硬件平台,收集无线链路的信号强度数据,并搭建了多分类的卷积神经网络,训练出一个模型来对人的五种不同行为动作进行识别。最终系统的识别率达到了70.21%。且整个模型具有较好的可移植性。此外,系统还具有方便、成本低的优点。