王昌海
- 作品数：3 被引量：9H指数：1
- 供职机构：南开大学计算机与控制工程学院更多>>
- 发文基金：国家教育部博士点基金天津市自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于智能手机的人体动作识别关键技术研究
- 在过去的几十年中，基于加速度传感器的人体动作识别一直是工业界与学术界的研究热点。该领域的研究成果被广泛应用于老年人护理、人机交互等商业产品。近几年，随着越来越多的智能手机中集成了多种类型的传感器，基于智能手机的人体动作识...
- 王昌海
- 关键词：智能手机特征提取
- 基于HMM的动作识别结果可信度计算方法被引量：8
- 2016年
- 针对当前动作识别可信度计算方法中混淆率高、不适用于迁移学习等问题,提出一种基于样本上下文信息的可信度计算方法(S-HMM,sliding windows hidden Markov model)。该方法使用隐马尔可夫模型(HMM,hidden Markov model)理论对识别结果序列建模,将样本所在序列识别正确的概率作为识别结果的可信度,避免了当前可信度计算方法依赖于样本在特征空间中分布的问题。实验使用真实场景中的数据进行仿真,结果表明,与现有方法相比,该方法可将可信度混淆率降低37%左右。
- 王昌海张建忠徐敬东许昱玮
- 关键词：隐马尔可夫模型
- 基于层次分类的手机位置无关的动作识别被引量：1
- 2017年
- 使用智能手机中集成的加速度传感器识别用户日常动作在惯性定位、个性化推荐、运动量评估等领域有重要的应用。手机位置不固定导致的动作识别率低下是该领域面临的主要问题。为了提高手机位置不固定时的动作识别率,该文提出一种基于层次分类的动作识别方法。该方法将动作识别分为多层,每一层包含一个分类器。在训练某一层分类器时,首先根据本层训练样本集进行特征选择并训练分类器。然后使用训练得到的分类器对训练样本分类,并计算分类结果的可信度。最后通过对低可信度的样本进行剪枝得到下层分类器的训练样本。对未知类别的样本分类时,首先使用第1层分类器分类。如果分类结果可信度较高,则分类结束;否则使用下层分类器分类,直至所有分类器遍历完。实验部分通过对采集的动作数据进行仿真,验证了该文方法的有效性。结果表明,与单层分类器相比,该方法可以将动作识别率由85.2%提高至89.2%。
- 王昌海许昱玮张建忠
- 关键词：加速度传感器
