孙小华

摘要：提出一种基于分类分析的人体运动状态识别方法。通过手机内置的加速度传感器采集相关数据，然后对采集的数据进行预处理，采用Softmax回归分类算法对人体运动状态进行分类。在深度学习框架TensorFlow下的實验结果显示此算法分类精度较高，对静止、走路、慢跑、上下楼梯、骑车等五种运动状态的综合识别率为88.18%。

Abstract： This paper proposes a human motion state recognition method based on classification analysis. The relevant data is collected by the built-in acceleration sensor of the mobile phone， and then the collected data is preprocessed， and the Softmax regression classification algorithm is used to classify the human motion state. The experimental results under the deep learning framework TensorFlow show that the classification accuracy of this algorithm is high， and the comprehensive recognition rate of five kinds of motion states such as static， walking， jogging， up and down stairs， and cycling is 88.18%.

关键词：人体行为识别;Softmax回归分类;加速度传感器

Key words： human behavior recognition;Softmax regression classification;acceleration sensor

中图分类号：TN911.3                                   文献标识码：A                                  文章编号：1006-4311（2019）26-0239-02

0  引言

人体运动状态识别系统通过各类传感器实时获取人体的运动数据，然后运用算法分析对运动状态进行分类识别，从而判断出人体当前的运动状态。人体运动状态识别可以用于老人或病人的监护、智能家居等系统。如在智能家居领域，可以通过分析处理传感器获取的数据，对人体进行跌倒检测。之前国内外对人体运动状态的识别主要是通过可穿戴式设备采集相关的数据进行分析，但穿戴这些设备会导致人体运动不便。随着移动互联网技术及传感器技术的发展，智能手机内置了加速度、陀螺仪、光、磁场、气压等传感器可以采集手机的状态数据，通过采集手机的状态数据可以对人体的运动状态进行分析识别。与传统的可穿戴式设备相比，采用智能手机进行人体运动状态识别具有便捷性的优点。

常用的人体运动状态识别分类算法有Kmeans聚类、支持向量机SVM、隐马尔可夫模型HMM、决策树、BP神经网络、卷积神经网络CNN等等。

1  Softmax回归分类