基于便携式传感器数据的GMM-HMM人体姿态识别算法

• 作者: 洪榛 马永
• 来源期刊: 计算机系统应用
• 关键词: 便携式传感器数据 GMM 1OHMM 2OHMM 姿态识别
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 204-209
• 页数: 6页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007711

摘要

人体姿态识别在人机交互,游戏以及医疗健康等领域有着深远意义,基于便携式传感器进行多种人体姿态高精度的稳定识别是该领域的研究难点.本文采集了8种姿态的高频传感器数据,提取原始数据的窗口时域特征组成数据集.根据人体姿态的传感器数据特点将人体姿态划分为4个阶段,使用高斯混合模型(Gaussian Mixture Model,GMM)拟合人体姿态的观测序列,结合隐马尔可夫模型(Hidden Markov Model,HMM),利用GMM-HMM算法进行姿态识别.本文对比了不同窗口值下的一阶隐马尔可夫模型(1 Order Hidden Markov Model,1OHMM)和二阶隐马尔可夫模型(2 Order Hidden Markov Model,2OHMM)的效果,当窗口值为8时,2OHMM的性能最优,整体召回率达到了95.30％,平均准确率达到了95.23％.与其它研究相比,本文算法能识别的姿态种类较多,算法识别性能较佳且算法耗时较短.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	洪榛		16	100	7.0	9.0
2	马永		1	0	0.0	0.0