基于三维重力加速器人体动作识别与分类

• 作 者: 肖子明 马双宝 薛勇 吴雨川
• 机 构: 武汉纺织大学机械工程与自动化学院,
• 出 处: 武汉大学学报(工学版)
• 发表日期: 2015年03期
• 关键词: activity recognition wavelet transform PCA K-fold cross validation RBF kerne

运用单个动作传感器通过机器学习算法——支持向量机(SVM),建立出色的人体日常动作识别模型.通过3个主要步骤对动作数据进行了处理,即小波转换,基于降维和K层交叉验证的主成分分析(PCA)以及自动寻优搜索获得SVM径向基核函数中的最佳参数σ和c,获得识别6种人体动作的最佳分类器.采用SVM(支持向量机)算法获得的动作分类器,在对不同动作识别时,得出的平均准确率达到94.5%.这表明基于人体动作识别的验证方法具有实用价值的,并在不久的将来会有进一步的提升.