孙彦玺，赵婉婉，武东辉，陈继斌，仇 森

（1.郑州轻工业大学 建筑环境工程学院，郑州 450002；2.大连理工大学 控制科学与工程学院，辽宁 大连 116024）

0 概述

人们的日常活动是构成社会生产、生活的重要组成部分，人体行为识别在日常生活中起着重要的作用，被广泛应用在医疗康复、智能看护、运动监测、人机交互等领域［1-2］。根据数据来源不同，人体行为识别分为基于视频图像的人体行为识别和基于可穿戴传感器的人体行为识别［3］。基于视频图像的人体行为识别是利用图像、视频处理等相关技术，通过对摄像设备获取的人体运动图像集合或视频片段进行分析，从而实现对人体行为识别和特定目标检测［4-5］。基于可穿戴传感器的人体行为识别能够从低级别的原始传感器数据中寻求关于人体行为中所蕴含的深层次知识，传感器数据主要由加速度计、陀螺仪、磁力计等传感器采集得到［6］。随着微电子机械系统和无线通信技术的飞速发展，这些传感器可以被集成在可穿戴设备、智能手机或智能手表中，极大地方便了人们日常携带，且在实际使用时不受场所和周围环境的限制，也不会给用户带来侵犯个人隐私的威胁［7］，促进了基于可穿戴传感器的人体行为识别在人们日常生活中的应用。

人体行为识别属于典型的模式识别问题，传统模式识别主要采用人工神经网络、支持向量机、决策树、朴素贝叶斯、K 最近邻、隐马尔科夫模型等机器学习算法［8-9］。过去十几年，这些机器学习算法在人体行为识别的问题上取得了巨大的进步，但也存在一些不可回避的缺点。……