面向复杂动作的运动状态转移识别模型

耿宏杨，郇 战，梁久祯，侯振杰，高 歌，吕士云

(常州大学 计算机与人工智能学院，江苏 常州 213164)

1 引 言

近年来，随着计算机技术的不断发展，微电子和集成电路向着体积小和性能高的趋势发展，嵌入式设备也会变得更加廉价、实用.智能手机、可穿戴设备逐渐被人们广泛使用，基于传感器的活动识别研究也在许多科学和应用领域逐渐成为研究热点[1].

基于传感器的人类活动识别主要研究来自手机或可穿戴设备中监测到的人类活动信号，运用各种机器学习和数据挖掘方法对信号中的动作信息进行预测和识别.文献[2]使用在语音识别方面具有良好表现的隐马尔科夫模型(Hidden Markov Model，HMM)，并结合支持向量机(Support Vector Machines，SVM)对传统的隐马尔可夫(HMM)模型进行改进，对不同的人类活动类别具有良好的效果.文献[3]引入一种基于自我训练(ST)方法的半监督主动学习(SSAL)来进行人类活动识别，部分自动化注释来提高分类器效率，可运用于监督和非监督的方法中，保证识别效果的同时提高效率.除了机器学习方法外，深度学习方法也被应用与人类活动识别(Human Activity Recognition，HAR)，并取得很不错效果.文献[4]采用卷积神经网络(Convolutional Neural Network，CNN)[5]进行特征学习的方法相比于基线模型动作分类的速度和效率明显提高.文献[6]针对日常动作信号提出一种深度长短时记忆网络提取高级特征，将监督和非监督的损失并在一起，充分利用了未标记的数据，从而获得好的识别效果.另一方面，相关的数据集建立也是对基于传感……