于三维重力加速器人体动作识别与分类.pdfVIP

第 48卷 第 3期 武汉大学学报(工学版) Vo1．48No．3 2015年 6月 EngineeringJournalofW uhanUniversity June2015 DOI：10．14188／j．1671-8844．2015-03—027 文章 编号 ：1671—8844(2015)03—0429—04 基于三维重力加速器人体动作识别与分类 肖子明，马双宝 ，薛勇 ，吴雨川 (武汉纺织大学机械工程与 自动化学 院，湖北 武汉 430073) 摘要：运用单个动作传感器通过机器学习算法——支持向量机(SVM)，建立出色的人体Ft常动作识别模型．通过3 个主要步骤对动作数据进行了处理，即小波转换，基于降维和K层交叉验证的主成分分析 (PCA)以及 自动寻优搜 索获得 SVM径 向基核函数 中的最佳参数 和c，获得识别 6种人体动作 的最佳分类器．采用 SVM (支持 向量机)算 法获得 的动作分类器 ，在对不 同动作识别时，得 出的平均准确率达到 94．5 ．这表 明基于人体动作识别的验证方法 具有实用价值 的，并在不久 的将来会有进一步的提升． 关键词 ：动作识别；小波变换；PCA；K层交叉验证；径向基核函数 中图分类号 ：TP181 文献标志码 ：A Recognition andclassification ofhumanactivityby triaxialgravityaccelerator XIAO Ziming，M A Shuangbao，XUE Yong，W U Yuchuan (SchoolofMechanicalEngineeringandAutomation，W uhanTextileUniversity，W uhan 430073，China) Abstract：Usingaposturesensortovalidatehumandailyactivityandbymachinelearningalgorithm-- sup— portvectormachine (SVM )tobuildanoutstandingmode1．Theoptimalparameters andCofradialbasis function(RBF)kernelSVM wereobtainedbysearchingautomatically．Thosekinematicdatawerecarried outthroughthreemajorsteps：wavelettransform，principalcomponentanalysis(PCA)一baseddimension— alityreductionandk—foldCROSS—validation，followedbyimplementingabestclassifiertodistinguish6dif— ferentactions．Asanactivityclassifier，theSVM algorithm isused；andwehaveachievedover94．5 of meanaccuracyindetecting differentactions．Itisshownthattheverificationapproachbasedontherecog- nitionofhumanactivitydetection iSvaluableandwillbefurtherexploredinthenearfuture． Keywords：activityrecognition；wavelettransform ；PCA ；K—foldcrossvalidation；RBF kernel 近几年 ，人体动作识别和分类引起 了研究人员 更高的使之可以线性可分 的维度空间中．转变后 的 极大的兴趣．为开发 出性能更佳的分类器 ，并能有效 空间维度 一般都会 比原始特征 空间的维