基于BSN和CHMMs的人体日常动作识别方法研究  

Research on human daily activity recognition method based on BSN and CHMMs

作　　者：姜鸣[1,2] 王哲龙[1,3] 刘晓博[4] 赵红宇[1] 胡耀华[2] 

机构地区：[1]大连理工大学控制科学与工程学院,辽宁大连116024 [2]东莞理工学院电子工程学院,广东东莞523808 [3]中国科学院沈阳自动化研究所机器人学国家重点实验室,辽宁沈阳110016 [4]大连交通大学电气信息学院,辽宁大连116028

出　　处：《大连理工大学学报》2013年第1期121-126,共6页Journal of Dalian University of Technology

基　　金：国家地震行业科研专项资助项目(200808075);国家科技重大专项子课题资助项目(2010ZX04007-011-5)

摘　　要：应用人体传感器网络(body sensor networks,BSN)识别人体日常动作可以有效地提高对老年人、慢性病人,以及术后病人等特殊人群的医疗监护质量.为此建立了一个基于BSN的人体日常动作监督平台,应用采集到的加速度信号识别9个常见的人体日常动作.针对动作识别过程中存在的多传感器数据融合问题,提出一种基于耦合隐马尔可夫模型(coupled hidden Markov models,CHMMs)的动作识别方法.实验结果显示,与已有动作识别方法相比,提出的基于CHMMs的动作识别方法的识别正确率有明显的提高.Body sensor networks （BSN） may offer continuous monitoring of human activities in a range of healthcare areas, including caring the elderly, helping chronic patients, and monitoring the recovery of post-operative patients. A monitoring platform based on BSN is established for recognizing 9 human daily activities using acceleration signal. A activity recognition method based on coupled hidden Markov models （CHMMs） is proposed for multi-sensor data fusion. The experimental results show that compared with previous methods, the proposed method can achieve satisfactory performance for human daily activity recognition.

关 键 词：人体传感器网络 动作识别 耦合隐马尔可夫模型 数据融合 

分 类 号：F407.67[经济管理—产业经济]