基于关键点提取的人体活动识别
郭华峰1
向长城1
宋礼文1
陈世强2
1.湖北民族大学 数学与统计学院,湖北 恩施4450002.湖北民族大学 智能科学与工程学院,湖北 恩施445000;湖北民族大学 新材料成型及装备技术产学研中心,湖北 恩施445000
摘要：为改变活动识别复杂度高和活动识别率低的问题,提出了一种针对关键点提取的活动识别算法.该方法对加速度传感器采集的加速度信号进行了关键点的提取,混合隐马尔科夫回归模型(mixed hidden Markov regression model,MHMRM)对观测样本序列输出并进行建模,最大限度地通过关键点序列保留多维信号之间的特征信息,然后通过期望最大化算法(expectation maximization,EM)对模型参数进行优化并建立算法模型,使用维特比算法分割数据最终状态.使用不同活动顺序的测试集对算法性能进行测试,包含了站立、坐、躺、步行、上楼、下楼、慢跑、跳等几类活动.实验结果表明,提出的算法以关键点抽样的方式保留数据整体特征,实现快速准确地人体活动识别,其平均识别准确率为94.06％.因此,采用此方法可有效地对人体的活动信息进行分割识别,实现对人体活动的准确检测.
关键词：关键点隐马尔科夫模型加速度高斯混合模型多项式回归
分类号：TP181(自动化基础理论)
资助基金：恩施州科技计划项目(2019001062)
论文发表日期：2022-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 190-195 )
英文信息