周　林， 雷丽平， 杨龙频

(1.重庆邮电大学 通信软件技术研究所,重庆 400065；2北京医院，北京100730)



基于多传感器的人体行为识别系统*

周林1， 雷丽平1， 杨龙频2

(1.重庆邮电大学 通信软件技术研究所,重庆 400065；2北京医院，北京100730)

摘要:为了既能提高系统人体行为的识别率，又能降低系统能耗,提出了基于多传感器的人体行为识别系统。通过对滑动时间窗内传感器数据信息进行数学统计，提取数据特征；并通过用weka软件对数据的这些特征进行分析，设计出基于决策树的两层分类识别算法,来对8种常见人体行为进行识别。实验结果表明：该系统在降低了系统能耗同时系统识别率较高，平均识别率达到93.12 %，系统便于携带且具有很强的实用性。

关键词:识别率; 系统能耗; 数据特征; 决策树

0引言

近年来，随着人机交互和无线体域网关键技术的飞速发展，人体运动识别广泛应用于体育竞技、生物医学研究、健康状况评估以及老年人健康监护领域等，其中,老年人的日常监测是其一类典型的应用[1]。常见的老年人的行为监测方法主要有两类[2]：基于图像分析和基于可穿戴的传感器设备，前者由于其成本开销较大和系统使用的局限性，本文采用了后者。

现有的大量研究都是围绕提高人体行为的识别率而展开。为了取得较高的行为识别率，运用大量的传感器数据和复杂的算法，这都会导致系统的能耗增加；而传感器节点的能量有限，这样会导致频繁地对电源充电或更换，因此，大大降低人体佩戴的舒适度[3,4]。……