计算机研究与发展 ›› 2017, Vol. 54 ›› Issue (12): 2731-2740.doi: 10.7544/issn1000-1239.2017.20150462
董理骅1,2,刘强1,陈海明1,崔莉1
Dong Lihua1,2, Liu Qiang1, Chen Haiming1, Cui Li1
摘要: 利用手机或可穿戴设备实时识别人的运动状态,有助于人们及时了解自身状况,进行科学的锻炼.现有高准确度运动识别算法大都具有较高的计算代价和存储代价,难以直接移植到手机和可穿戴设备上,且这些算法难以根据用户习惯校正识别模型.提出了一种基于时间窗口的轻量级实时运动识别算法EasiSports,利用手机或可穿戴设备中的加速度传感器,在多种情况下利用k-means聚类等方法在设备本地建立用户个人运动识别模型,使用SVM分类器实时识别坐、步行、跑步、上楼梯、下楼梯5种状态,计算量较小,适用于手机和可穿戴设备平台.实验表明:该算法对前述5种状态的识别准确度可达到87.45%,识别算法运行时间相较其他算法可获得30%以上的性能提升.
中图分类号: