基于三轴加速度传感器的人体行为识别研究.docxVIP

基于三轴加速度传感器的人体行为识别 研究 摘要：目前，在人体行为识别领域中，分类模型通常有两种，分 别是通用模型和个性化模型。但是通用模型没有考虑人体多样性问题， 不能适用于所有人，而个性化模型需要人为干预较多，针对这两种模型 的不足提出了一种折屮的模型训练方法，即对人体多样性因素分区间后 的原始加速度数据进行训练得到多个模型。另外，为了使识别模型适用 于更加广泛的情况，在数据釆集阶段述考虑了加速度传感器的位置。该 方法使得模型更具普遍性的同时又能够提高识别精确度，通过对人体静 止、走路、跑步、上下楼梯五种行为进行试验，识别率达到了 95%左右。 实验表明该方法是切实有效的。 关键词：人体多样性；行为识别；模型；位置；精确度 弓 I 言(Introduction) 近年来，人们对智能交互和健康监护等方面的需求日益迫切，使得 基于加速度传感器的人体行为识别［1,2］在医疗保健、运动监测、能耗评 估等领域受到了广泛的关注。与其相对的是基于计算机视觉的行为识别 ［3,4］,相比Z下，前者更能体现人体运动的本质，并且不受场景或者时 间的限制，携带方便，成本较低，更适合推广应用［5］。 在人体行为识别中，行为分类器的构建对识别结果是至关重要的。 目前，大部分的研究集中在对分类器构建算法的改进和优化上，采用的 数据只是少部分比较集中的人的加速度来构建通用模型，并没有考虑到 人体多样性等实际问题