基于机器学习的人体运动姿态识别方法

摘要

针对现有基于惯性传感器的人体运动姿态识别中涉及特征较多、常用姿态识别方法不全面、识别精度不足等问题,开展了人体正常行走、跑步、后退、左右侧步、上下楼梯等多种运动姿态识别及修正算法研究,通过特征提取与建库、特征筛选、姿态识别与修正等过程进行人体的运动姿态判定。首先详细阐述了在人体多姿态运动场景下的特征数据提取过程以及基于多信息融合的特征筛选方法。然后针对人体运动姿态误判,提出了基于人体运动连贯性检测的姿态修正算法。最后搭建多分类器并利用选取特征数、识别准确率、修正结果等数据对所提出的算法进行了验证。实验结果表明,所提出的算法以平均8个特征值使得人体运动姿态识别准确度达到98%,并通过修正算法可将识别准确度提升至99.67%,以少量的特征数目达到了更高的多姿态分类准确率。