中国科学院沈阳自动化研究所机构知识库
Advanced  
SIA OpenIR  > 机器人学研究室  > 期刊论文
题名: 基于BSN和CHMMs的人体日常动作识别方法研究
其他题名: Research on human daily activity recognition method based on BSN and CHMMs
作者: 姜鸣 ; 王哲龙 ; 刘晓博 ; 赵红宇 ; 胡耀华
作者部门: 机器人学研究室
关键词: 人体传感器网络 ; 动作识别 ; 耦合隐马尔可夫模型 ; 数据融合
刊名: 大连理工大学学报
ISSN号: 1000-8608
出版日期: 2013
卷号: 53, 期号:1, 页码:121-126
收录类别: CSCD
产权排序: 3
摘要: 应用人体传感器网络(body sensor networks,BSN)识别人体日常动作可以有效地提高对老年人、慢性病人,以及术后病人等特殊人群的医疗监护质量.为此建立了一个基于BSN的人体日常动作监督平台,应用采集到的加速度信号识别9个常见的人体日常动作.针对动作识别过程中存在的多传感器数据融合问题,提出一种基于耦合隐马尔可夫模型(coupled hidden Markov models,CHMMs)的动作识别方法.实验结果显示,与已有动作识别方法相比,提出的基于CHMMs的动作识别方法的识别正确率有明显的提高.
英文摘要: Body sensor networks (BSN) may offer continuous monitoring of human activities in a range of healthcare areas, including caring the elderly, helping chronic patients, and monitoring the recovery of post-operative patients. A monitoring platform based on BSN is established for recognizing 9human daily activities using acceleration signal. A activity recognition method based on coupled hidden Markov models (CHMMs) is proposed for multi-sensor data fusion. The experimental results show that compared with previous methods, the proposed method can achieve satisfactory performance for human daily activity recognition.
语种: 中文
Citation statistics:
内容类型: 期刊论文
URI标识: http://ir.sia.cn/handle/173321/10597
Appears in Collections:机器人学研究室_期刊论文

Files in This Item: Download All
File Name/ File Size Content Type Version Access License
基于BSN和CHMMs的人体日常动作识别方法研究.pdf(658KB)----开放获取View Download
Service
Recommend this item
Sava as my favorate item
Show this item's statistics
Export Endnote File
Google Scholar
Similar articles in Google Scholar
[姜鸣]'s Articles
[王哲龙]'s Articles
[刘晓博]'s Articles
CSDL cross search
Similar articles in CSDL Cross Search
[姜鸣]‘s Articles
[王哲龙]‘s Articles
[刘晓博]‘s Articles
Related Copyright Policies
Null
Social Bookmarking
Add to CiteULike Add to Connotea Add to Del.icio.us Add to Digg Add to Reddit
文件名: 基于BSN和CHMMs的人体日常动作识别方法研究.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 
评注功能仅针对注册用户开放,请您登录
您对该条目有什么异议,请填写以下表单,管理员会尽快联系您。
内 容:
Email:  *
单位:
验证码:   刷新
您在IR的使用过程中有什么好的想法或者建议可以反馈给我们。
标 题:
 *
内 容:
Email:  *
验证码:   刷新

Items in IR are protected by copyright, with all rights reserved, unless otherwise indicated.

 

 

Valid XHTML 1.0!
Copyright © 2007-2016  中国科学院沈阳自动化研究所 - Feedback
Powered by CSpace