文献类型：期刊文章

作　　者：苏本跃[1,2] 蒋京[1,2] 汤庆丰[1,2] 盛敏[2,3]

机构地区：[1]安庆师范大学计算机与信息学院,安庆246133 [2]智能感知与计算安徽省高校重点实验室,安庆246133 [3]安庆师范大学数学与计算科学学院,安庆246133

出　　处：《自动化学报》

基　　金：国家自然科学基金(11471093);国家科技支撑课题(2014BAH13F02);安徽省高校自然科学研究重点项目(KJ2014A142);情感计算与先进智能机器安徽省重点实验室开放课题(ACAIM160102)资助~~

年　　份：2017

卷　　号：43

期　　号：5

起止页码：866-876

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：人体运动过程中,肢体的运动是连续的,而对应的运动捕捉数据是离散的.为了更好地分析人体日常运动行为的连续性与周期性,本文提出了一种基于函数型数据分析(Functional data analysis,FDA)的人体动态行为识别方法.首先,利用函数型数据分析方法,将可穿戴式运动捕捉系统采集的人体周期行为数据函数化,通过函数准确地定义数据的连续性与周期性;然后,根据导函数信息确定一个运动周期的起始点,并近似地提取出一个运动周期的数据序列;最后,根据不同行为一个周期内的曲线特征差异,利用支持向量机对动态行为进行分类识别.实验结果表明,本文的算法既能够较好地描述人体动态行为的连续性与周期性,又使得运动数据在标定的统一起始点处对齐,且在WARD数据集与自采集数据集上均取得了较好的识别率,分别达到97.5%与98.75%.

关 键 词：动态行为识别  连续性与周期性  周期行为  函数型数据分析  可穿戴式运动捕捉系统  

分 类 号：O213] TP18[数学类] TP212.9]