基于手机加速度传感器的人体步态识别研究

使用福坦莫大学无线数据挖掘实验室(WISDM)利用手机采集的人体步态数据集,以支持向量机(SVM)、K最近邻(KNN)和随机森林算法实现对人体步态的识别.对加速度的时间序列进行分窗和均值平滑处理.以2s作为窗口大小,提取三轴加速数据的均值、方差和协方差作为样本特征.采用以上算法对样本的六种类别(步行、慢跑、上楼梯、下楼梯、静坐、站立)进行训练和测试,并进行了准确率、曲线下面积AUC等分析以及实验验证.与其它特征提取方法和深度学习方法相比,提取统计量作为特征方法简单和模型计算量较小.其线性核函数SVM的平均准确率可达81.3％.