一种基于时间窗口的轻量级实时运动识别算法

摘要：

利用手机或可穿戴设备实时识别人的运动状态,有助于人们及时了解自身状况,进行科学的锻炼.现有高准确度运动识别算法大都具有较高的计算代价和存储代价,难以直接移植到手机和可穿戴设备上,且这些算法难以根据用户习惯校正识别模型.提出了一种基于时间窗口的轻量级实时运动识别算法EasiSports,利用手机或可穿戴设备中的加速度传感器,在多种情况下利用k-means聚类等方法在设备本地建立用户个人运动识别模型,使用SVM分类器实时识别坐、步行、跑步、上楼梯、下楼梯5种状态,计算量较小,适用于手机和可穿戴设备平台.实验表明:该算法对前述5种状态的识别准确度可达到87.45％,识别算法运行时间相较其他算法可获得30 ％以上的性能提升.

关键词：运动识别、智能手机、可穿戴设备、SVM分类器、k-means聚类

所属期刊栏目：54

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61672498.This work was supported by the National Natural Science Foundation of China 61672498

在线出版日期：2018-01-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2731-2740