陈馨瑶, 张天荣, 朱雪芬, 莫路锋,

(1.浙江农林大学 信息工程学院,浙江 临安 311300； 2.浙江农林大学信息与教育技术中心,浙江 临安 311300)

0 引 言

基于可穿戴设备的人体行为识别技术在诸多领域发挥着巨大的作用,如在运动计数方面,识别人体行为动作并记录运动轨迹[1]；在老人监护方面,当监护对象跌倒时能够及时识别出摔跤行为[2,3]。主要利用加速度传感器、惯导、气压传感器等进行人体行为动作的相关数据采集[4,5]。

目前在基于传感器的行为识别领域已做了大量的研究,如李锋等人用了隐马尔科夫模型对加速度数据进行分类实现了人体行为识别,结果表明基于马尔科夫模型分类器的行为识别率最高[6]。钱丽萍等人提出一种新型的分类方法,通过将加速度数据映射到三维空间中,通过提取物质特征并利用投票方法实现分类,实验结果表明该方法的识别率达到了94 %[7]。苏本跃等人提出一种基于末位匹配的传感器数据截取方法,通过分割训练数据样本,然后利用整体梯度向量的2范数累加作为匹配度量准则,最后根据投票策略得到行为识别结果[8]。Banos O等人针对数据截取窗口大小对识别率影响问题,通过研究不同滑动窗口大小对行为识别率的影响,确定最佳窗口值,从而提高了行为识别率[9]。目前在行为识别领域还存在某些难点,如特征提取不全面、分类算法未考虑行为动作在时间序列上的前后关联性等,这导致很难达到较高的识别率。

本……