计算机应用

作者：王杨, 赵红东

单位：1. 河北工业大学 电子信息工程学院, 天津 300401;2. 邯郸学院 信息工程学院, 河北 邯郸 056005

关键词：人类活动识别,粒子群优化,情景感知,机器学习,支持向量机

基金：光电信息控制和安全技术重点实验室基金资助项目（614210701041705）；邯郸市科学技术研究与发展计划项目（1621203035）。

针对目前人体活动类别识别准确率偏低的问题，提出一种支持向量机（SVM）与情景分析（人体运动状态转换的实际逻辑或统计模型）相结合的识别方法，对人体日常的六种活动（步行、上楼、下楼、坐下、站立、躺下）进行识别。该方法利用了人体活动样本之间存在逻辑关系的特点，首先使用经改进的粒子群优化（IPSO）算法对SVM模型进行优化，然后利用优化后的SVM对人体活动进行分类，最后通过情景分析的方法对错误的识别结果进行修正。实验结果表明，所提方法在加州大学欧文分校（UCI）的人体活动识别数据集（HARUS）上的分类准确率达到了94.2%，高于传统的仅使用模式识别进行分类的方法。

来源：2020年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第3期