基于函数型数据分析方法的人体动态行为识别
人体运动过程中,肢体的运动是连续的,而对应的运动捕捉数据是离散的.为了更好地分析人体日常运动行为的连续性与周期性,本文提出了一种基于函数型数据分析(Functional data analysis,FDA)的人体动态行为识别方法.首先,利用函数型数据分析方法,将可穿戴式运动捕捉系统采集的人体周期行为数据函数化,通过函数准确地定义数据的连续性与周期性;然后,根据导函数信息确定一个运动周期的起始点,并近似地提取出一个运动周期的数据序列;最后,根据不同行为一个周期内的曲线特征差异,利用支持向量机对动态行为进行分类识别.实验结果表明,本文的算法既能够较好地描述人体动态行为的连续性与周期性,又使得运动数据在标定的统一起始点处对齐,且在WARD数据集与自采集数据集上均取得了较好的识别率,分别达到97.5%与98.75%.
动态行为识别、连续性与周期性、周期行为、函数型数据分析、可穿戴式运动捕捉系统
43
R33;TH1
国家自然科学基金11471093;国家科技支撑课题2014BAH13F 02;安徽省高校自然科学研究重点项目KJ2014A142;情感计算与先进智能机器安徽省重点实验室开放课题ACAIM160102 资助Supported by National Natural Science Foundation of China11471093;National Science and Technology Support Program2014BAH13F02;Natural Science Research Funds of Educa-tion Department of Anhui ProvinceKJ2014A142;Anhui Province Key Laboratory of Affective Computing and Advanced Intelligent MachineACAIM160102
2017-06-27（万方平台首次上网日期，不代表论文的发表时间）
共11页
866-876
