《面向复杂动作的运动状态转移识别模型》

技术简介：

基于惯性传感器的人类活动识别一直以来都是研究热点,大多数的研究都是基于单个动作的分类识别,面对日常生活中具有多个运动状态且连续的动作信号时,很难对其中存在的运动状态进行精确分割和识别.论文提出一种面向复杂运动的运动状态转移识别模型,将人类日常动作分为动态动作、静态动作和过渡动作,并对这几类动作进行分割和识别.通过滑动窗口分割法进行预分割,分割周期性强的动态动作和易识别的静态动作,获取动态动作分割结果和静态动作先验.根据静态动作和过渡动作变化率的差异,设置阈值来区分静态动作和过渡动作的边界.最后,根据静态动作状态和过渡动作状态持续时间不同的逻辑关系建立有限状态机,利用静态动作先验将过渡动作识别出来.该模型在UCI公开的数据集上随机抽取了五组测试样本,整体分割识别准确率最高达到98.25%,最低也达到95%以上.

研发人员：耿宏杨;郇战;梁久祯;侯振杰;高歌;吕士云;