典型文献
基于关键点提取的人体活动识别
文献摘要：
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.
文献关键词：
关键点;隐马尔科夫模型;加速度;高斯混合模型;多项式回归
中图分类号：
作者姓名：
郭华峰;向长城;宋礼文;陈世强
作者机构：
湖北民族大学 数学与统计学院,湖北 恩施445000;湖北民族大学 智能科学与工程学院,湖北 恩施445000;湖北民族大学 新材料成型及装备技术产学研中心,湖北 恩施445000
文献出处：
引用格式：
[1]郭华峰;向长城;宋礼文;陈世强-.基于关键点提取的人体活动识别)[J].湖北民族大学学报（自然科学版）,2022(02):190-195
A类：
MHMRM
B类：
关键点提取,人体活动识别,识别率,识别算法,加速度传感器,加速度信号,mixed,hidden,Markov,regression,model,过关,特征信息,过期,期望最大化算法,expectation,maximization,EM,算法模型,维特比算法,测试集,算法性能,站立,上楼,下楼,慢跑,几类,整体特征,快速准确,识别准确率,隐马尔科夫模型,高斯混合模型,多项式回归
AB值：
0.38253
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
