基于加速度传感器和神经网络的人体活动行为识别

张烈平 匡贞伍 李昆键 韦克莹 王政忠 张声岚

摘  要： 人体活动行为识别在医疗、安全、娱乐等方面有着广泛的应用，为了高效、准确地获取人体活动的行为信息，提出一种基于加速度传感器和神经网络的个人活动行为识别方法。该方法通过在个人手上佩戴加速度传感器，实时采集个人活动的行为数据;再通过BP神经网络分析相关行为数据并建立个人活动行为模型，分类识别个人的行走、坐着、躺卧、站立和突然跌倒等活动行为特征。实验结果表明，该方法能够有效检测到个人活动的行为特征参数，并可准确识别出人体活动的五种典型行为。

关键词： 人体活动; 行为识别; 特征提取; 加速度传感器; BP神经网络; 实验仿真

中图分类号： TN711?34; TP391.4                     文献标识码： A                  文章编号： 1004?373X（2019）16?0071?04

0  引  言

近些年来，随着传感器检测器件以及人机交互等关键技术的飞速发展，人体活动行为识别广泛应用于生物医学研究、健康状况评估以及健康监护等领域[1]。人体行为识别有基于视觉的和基于传感器信号和设计的分类算法来推测人体的活动行为模式，具有成本低、灵活、可移植性好的特点。相比基于视觉的人体活动行为识别方法，基于传感器的人体活动行为识别具有广泛的应用前景[2]。活动行为识别技术可以归类为模式识别问题，常用于对人体活动行为进行分类的模式识别算法有决策树、支持向量机、最近邻法和神经网络等。其中，神经网络通过对简单的非线性函数进行数次复合，可近似为复杂的函数，在分类大规模的、有噪声污染的数据方面具有优势[3]。……