彭一鸣 王忠华

【摘 要】活动识别是指从一系列家居传感器信号中自动识别人的日常活动，由于人类活动本质的模糊性，大多数传统模式识别方法不能表示活动的不确定性和复杂结构关系。针对上述问题，提出基于概率描述逻辑的多层活动识别方法，从对数线性描述逻辑构建的OWL2本体中的概率推理出当前最可能执行的活动，实验结果验证了论文方法的有效性。

【Abstract】Activity recognition refers to the automatic identification of human activities from a series of home sensor signals. Because of the fuzziness of human activities， most traditional pattern recognition methods can not represent the uncertainty and complex structure of activities. Aiming at above problems， a multi-layer activity recognition method based on probabilistic description logic is proposed. The most likely activity in current is deduced from the probability of OWL2 noumenon constructed by logarithmic linear description logic， and the experimental results validate the effectiveness of the proposed method.

【关键词】活动识别；对数线性模型；描述逻辑；OW2本体

【Keywords】activity recognition； log-liner model； description logic； OWL2 ontology

【中图分类号】TP11 【文献标志码】A 【文章编号】1673-1069（2018）04-0152-04

1 引言

活动识别被广泛应用于众多领域，这些领域包括医疗健康，老人摔倒和异常检测、健康生活方式的跟踪和改善、智能家居的上下文感知服务、机器人技术和安防和监控等。活动识别方法主要可以分为三种，即数据驱动、知识驱动和混合活动识别方法。基于本体的方法在活动识别领域中的应用越来越普遍，然而大多数基于描述逻辑的活动识别框架缺乏对概率知识的表示和推理。

为了弥补上述方法的不足，本文提出的方法将不确定性知识集成到一个统一的框架中，并考虑活动之间的不相容性，利用对数线性模型和描述逻辑的结合来推测出当前最可能执行的活动。

2 多层活动模型的表示

2.1 概率描述逻辑原理

描述逻辑[1]（Description logic，DL）是一种知识表示形式，通过概念、关系和公理来支持特定应用领域知识的逻辑表示，包括领域内概念的定义和对象个体的描述。

对数线性描述逻辑[2]（log-liner description logic）将描述逻辑集成到对数线性模型中，允许对描述逻辑加权公理的概率性和确定性依赖关系进行建模，并支持OWL2网络本体语言[3]。……