基于加速度与HGA-BP神经网络的人体行为识别

卢先领，徐 仙

（江南大学a.轻工过程先进控制教育部重点实验室；b.物联网工程学院，无锡214122）

基于加速度与HGA-BP神经网络的人体行为识别

卢先领a，b，徐 仙a，b

（江南大学a.轻工过程先进控制教育部重点实验室；b.物联网工程学院，无锡214122）

在基于加速度传感器的人体行为识别中，分类器复杂度较高，易产生过拟合现象。为此，通过递阶遗传算法（HGA）训练BP神经网络作为分类器，采用三级染色体递阶结构表示神经网络的结构和参数。设计新的适应度函数，采用选择、交叉和变异操作联合优化BP网络的精确度和复杂度。测试结果表明，在基于加速度信号的行为识别系统中，相比基本HGA和其他常用算法，利用改进的HGA训练BP网络分类器可以有效控制网络结构，在保证隐层神经元数目较少的情况下，尽可能降低输出误差，实现两者的动态平衡，且对测试样本的识别正确率可达94.63%。

行为识别；加速度传感器；递阶遗传算法；BP神经网络；交叉；变异

1 概述

近年来，人体行为识别受到各国学者的广泛关注，它不仅可以获取用户运动信息，推测用户所处环境，还可以为用户提供智能化的服务。目前在人体行为识别的研究中，从信号的获取渠道来分主要有基于计算机视觉的方法［1］和基于传感器的方法［2-3］。随着微电子与传感器技术的迅速发展，加速度传感器以其低功耗、高精度、可靠性强、携带方便等优点，在医疗保健、体域网、环境智能等领域中广泛应用。

基于加速度信号的人体行为识别主要是面向躯干动作层次的简单行为识别，一般采用统计模式识别的方法实现。……