张 琳，易卿武，黄 璐，于乃文

(1.河北科技大学 信息科学与工程学院，河北 石家庄 050018；2.卫星导航系统与装备技术国家重点实验室，河北 石家庄 050081)

0 引言

人类活动识别(Human Activity Recognition，HAR)是指利用不同设备收集的数据，自动对人类运动的类型进行分类，获取人体需要传达的信息，从而为物联网、智慧城市和人机交互等其他智能应用提供基础，在人们的日常生活中发挥着重要的作用。迄今为止，HAR技术已广泛应用于人类生活的众多领域，例如：医疗健康中的跌倒检测系统[1]、老年人监测[2]和疾病预防[3]等；智慧城市中，用于识别和监控家庭活动[4]和电力节能[5]等；道路交通运输中，用于交通调控[6]和人员限流[7]等。除此之外，HAR技术可以更好地应用在遥感与导航定位领域。文献[8]提出了一种自适应人类活动识别辅助行人航迹推算(HAA-PDR)定位系统，使用基于自编码器的深度神经网络识别人类活动，并通过减少PDR的累积误差进行导航定位的研究。文献[9]提出了一种基于智能手机的卷积神经网络(Convolutional Neural Networks,CNN)模型用于人类活动识别的研究，该网络可以识别9种活动并将其作为室内定位的地标研究行人导航与定位。

传统的模式识别方法采用统计机器学习模型和人工特征提取，这种方法十分依赖于启发式的人工特征提取，不仅会受到领域知识的限制，而且往往只能捕捉到原始输入信号的浅层特征[10]。鉴于深度学习模型在图像分类、语音识别、自然语言处理等领域的成功应用，将其转移到人类活动识别领域是模式识别的一个新的研究方向。……