[[alternative]]Posture recognition with mobile phone G-sensor and artificial neural networks

碩士[[abstract]]隨著智慧型手機的興起，目前在路上幾乎每個人都擁有一隻智慧型手機，而智慧型手機的問世改變了固有的手機模式，從原本單純的通話功能擴展至類似電腦的作用，此外行動網路的發展也是促長智慧型手機蓬勃發展的主因，智慧型手機搭配行動網路以及內建的一些硬體設備可以滿足更多使用者的需求。而在如今的社會，運動和健康一直是人們所關心的事情，因為運動量不足而肥胖引發的慢性疾病更是驚人。因此本論文中提出一個基於類神經網路辨識的手機應用程式，在此系統中我們會利用使用者口袋內建G-Sensor的手機抓取加速度值，放入經過訓練的類神經模型中辨識出四種狀態：坐、站、走、跑，每當使用者有狀態轉換時，系統便會把狀態和持續時間放進手機資料庫內。使用者隨時隨地可以在手機的介面上查詢到某一天內的四種狀態持續時間，並且可以藉由這四種不同的狀態和使用者的體重算出該天消耗的卡路里。此系統對於控制每天的運動量是一項很有幫助的軟體，並且希望能依靠此軟體幫助平常忙碌的人們更佳的健康。[[abstract]]Mobile phone is a popular device in the world, every people almost have a mobile phone in their hand. The smart phone applications combine many hardware devices, like GPS and G-Sensor. The smart phone can do more than your computer, moreover, the smart phone has mobility, hardware device and mobile network which is inexistent in any computer. Many researches are based on mobile phone applications in recent years. In this research, we propose a method that can recognize four human posture states, i.e., sit, stand, walk and run. When the user clicks the start button, the system will catch accelerometer data into the recognition module. In this module, data will be processed with moving average and enter artificial neural networks. When the state change, the system record posture state and duration into the database. In history module, the user can find each state duration and total calorie from user interface for a certain. We hope this system can be ease of use and really helps the user to achieve moderate exercise.[[tableofcontents]]目錄 第一章 緒論 1 1.1 研究背景 1 1.2 研究目的與重要性 3 1.3 論文組織章節 4 第二章 文獻探討 6 2.1 加速度計 6 2.2 類神經網路 14 第三章 系統架構與類神經模型建立 19 3.1 系統架構 19 3.2 類神經網路模型建立與應用 26 3.3 SQLite與歷史查詢 36 第四章 系統實作與實驗結果 40 4.1 開發平台 40 4.2 系統實作 44 4.3 實驗結果 45 第五章 結論與未來研究方向 50 5.1 結論 50 5.2 未來研究方向 51 參考文獻 53 附錄1 系統權重檔 57 附錄2 各種運動熱量消耗量表 63 附錄3 英文論文 65 圖目錄 圖1、感測元件實體模型圖[4] 7 圖2、加速度計示意圖 7 圖3、人工神經元示意圖 15 圖4、倒傳遞網路示意圖 16 圖5、倒傳遞網路流程圖 18 圖6、系統架構圖 19 圖7、識別系統流程圖 20 圖8、系統使用示意圖 21 圖9、四種狀態示意圖(A)坐(B)站(C)走(D)跑 23 圖10、移動平均處理結果圖 26 圖11、NEUROSOLUTIONS軟體操作圖 30 圖12、系統類神經網路結構圖 32 圖13、資料5次訓練的混淆矩陣圖 35 圖14、ANDROID架構圖[22] 41 圖15、ECLIPSE開發平台介面圖 42 圖16、系統介面圖 44 圖17、下拉式選單圖 45 表目錄 表1、訓練集資料分佈表 27 表2、SLIDING WINDOW範例表 28 表3、部份訓練資料表 30 表4、SQLITE欄位表 38 表5、第一次交叉驗證混淆矩陣表 46 表6、第二次交叉驗證混淆矩陣表 46 表7、第三次交叉驗證混淆矩陣表 47 表8、第四次交叉驗證混淆矩陣表 47 表9、第五次交叉驗證混淆矩陣表 47 表10、五次交叉驗證平均混淆矩陣表 47 表11、四種姿態各10分鐘實驗表 49 表12、四種姿態各10分鐘實驗表(未經過錯誤修正) 49[[note]]學號: 699411343, 學年度: 10