基于惯性传感器的人体行为识别系统设计

为了准确识别人体行为，为医疗、游戏、智能产品等产业提供数据支持，设计了基于惯性传感器的人体行为识别系统，根据人体结构的关节模型选择其中的主要关节，佩戴惯性传感器采集人体行为信息，利用主成分分析法提取关键特征，采用SVM算法构建人体行为分类器。经过16种行为的测试验证，平均识别准确率为86.72%,对于幅度大区别明显的动作识别准确率可达到100%,为人体行为的智能识别提供了实用的解决方案。