基于函数型数据时间序列建模的 单传感器日常行为识别

摘要：

在基于惯性传感器的人体行为识别中,传统算法常忽略行为的周期性与时序性,对提取特征的滑动窗口大小也有相应要求.文中基于单个腰部传感器分析人体日常行为,提出面向周期行为的函数型数据分析方法和隐马尔可夫模型结合的行为识别算法.首先,使用函数型数据分析方法,拟合周期性日常行为的动作捕捉数据,提取拟合后的单个周期数据.然后基于此周期时间序列数据建立描述各个日常行为过程的隐马尔可夫模型.最后,使用最大似然估计判别行为,得到识别结果.该算法通过单个腰部传感器即可快速有效地识别8种日常行为,在基于用户依赖策略和用户独立策略时识别率较高.

关键词：人体行为识别、可穿戴式动作捕捉系统、函数型数据分析、隐马尔可夫模型、单传感器

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61603003,11471093;教育部"云数融合科教创新"基金项目2017A09116;安徽省高校优秀拔尖人才培育项目gxbjZD26

在线出版日期：2018-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：653-661