李华昊，郇 战，耿宏杨，陈 瑛，高 歌，李志新，周帮文，王云良

(1.常州大学 计算机与人工智能学院 阿里云大数据学院，江苏 常州 213164；2.常州机电职业技术学院 信息工程系，江苏 常州 213164)

0 引 言

近年来，随着微型处理器和集成电路的快速发展，计算能力更强、体积更小的传感器和移动电子设备得到了发展。基于传感器和移动设备的应用在智能家居、行为监控、养老和体感游戏等人类日常生活中发挥着重要作用。随着可穿戴技术的飞速发展，基于传感器惯性数据的人类行为识别研究(human activity recognition system, HARS)越来越受到人们的关注[1]。其中，在智能医疗保健应用，例如身体状况检测，老人和残疾病人的健康监测和身体健康状况评估等领域都取得不错的成就[2]。

基于计算机视觉的技术和环境传感器已经被广泛应用于人类步态识别，但是这些方式也有缺点:①由于光照条件、服装类型和背景颜色等原因，视频数据可能会被遮挡，进一步的视频录制会在很多情况下引发隐私问题；②许多环境传感器需要基础设施的支持，例如在监测区域安装摄像机。与其他人类行为数据采集设备相比，惯性传感器体积小，佩戴方便，具有保护个人隐私的功能。

基于惯性传感器的步态识别研究在多个领域取得良好的成绩。文献[3]使用隐马尔科夫模型(hidden Markov model,HMM)，结合支持向量机(support vector machines, SVM)对传统的隐马尔可夫模型进行改进，对不同的人类步态类别具有良好的识别效果。文献[4]采用卷积神经网络(convolutional neural network, CNN)进行特征学习的方法相比于基线模型动作分类的速度和效率明显提高。……