基于关键点提取的人体活动识别

作者：郭华峰; 向长城; 宋礼文; 陈世强^*

来源：湖北民族大学学报(自然科学版), 2022, 40(02): 190-195.

DOI：10.13501/j.cnki.42-1908/n.2022.06.011

• 关键点
• 隐马尔科夫模型
• 加速度
• 高斯混合模型
• 多项式回归

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.

• 单位
  湖北民族大学