基于D-S证据理论的多分类SVM人体动作识别方法

摘要：

日常行为动作感知和跌倒检测是健康监护中重要的一个方面,为更好的监护老年人身体健康,提出一种基于D-S证据理论的多分类SVM人体动作识别方法.首先分别采集下肢表面肌电信号和躯干的加速度信号并进行预处理和特征提取;其次分别输入SVM得到后验概率输出,最后在决策级对SVM多分类输出进行D-S证据理论融合.实验结果表明该方法对人体8种动作识别率88.75％,能正确分类采用单源信号时所错分的样本,有效提高单一传感器人体动作识别率,降低识别整体误差.

关键词： 人体动作识别 信号预处理 特征提取 支持向量机 D-S证据理论

作者: 武昊 席旭刚 罗志增

作者单位: 金华广播电视大学机电一体化研究所,金华321000 杭州电子科技大学智能控制与机器人研究所,杭州310018

会议类型: 国内会议

会议名称: 第十二届中国智能机器人大会

会议地点: 哈尔滨

会议语种:中文

页码: 169-174

在线出版日期: 2017-10-01（万方平台首次上网日期，不代表论文的发表时间）