基于 HMMs 和 SVM 的人体日常动作序列分割识别研究

• 作者: 武东辉 王哲龙 陈野
• 来源期刊: 大连理工大学学报
• 学科: 工学
• 关键词: 隐马尔可夫模型(HMMs) 支持向量机(SVM) 动作识别 体感网(BSN)
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 船舶、土木工程
• 页码范围: 411-416
• 页数: 6页
• 分类号: TP391.4
• 字数: 4450字
• 语种: 中文
• DOI: 10.7511/dllgxb201504012

摘要

随着微机电系统(MEMS)研究的精细化，人体传感器网络(简称体感网)技术在医疗监护领域有了长足发展，而人体动作分析与识别是体感网中富有挑战性的研究课题。采用动态隐马尔可夫模型(HMMs)方法对基于用体感网技术的人体动作序列进行了分割，并且对分割精准度进行了度量分析。从实验结果可以看到，动态 HMMs 方法优于 LIR 和 Top-Down方法，其分割精准度达到了80%以上。对分割后的数据提取均值、方差等特征，采用支持向量机(SVM)方法分类识别的结果表明所提分割方法具有良好的稳健性，平均识别准确率在89%左右，与手动分割接近。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈野	大连理工大学控制科学与工程学院	7	169	5.0	7.0
2	王哲龙	大连理工大学控制科学与工程学院	9	65	5.0	8.0
3	武东辉	大连理工大学控制科学与工程学院	2	12	2.0	2.0