Accelerometry-based classification of human activities using Markov modeling.
Accelerometry-based classification of human activities using Markov modeling.
复制标题
DOI：
10.1155/2011/647858
复制
发表时间：
2011
影响因子：
--
通讯作者：
Sabatini AM
中科院分区：
文献类型：
--
作者：
Mannini A;Sabatini AM
加速度计是身体运动传感器的热门选择：部分原因是它们能够提取有助于自动推断人类受试者参与的身体活动的信息，此外它们还可以为生物力学参数估计器提供数据。人类身体活动的自动分类对于普适计算系统非常有吸引力，而情境感知可以简化人机交互，在生物医学中，而可穿戴传感器系统则被提议用于长期监控。本文关注执行分类任务所需的机器学习算法。通过将隐马尔可夫模型（HMM）分类器与高斯混合模型（GMM）分类器进行对比来研究它们。 HMM 将运动动态的可用统计信息纳入分类过程，而不像 GMM 那样丢弃先前结果的时间历史。通过分析加速度计时间序列的两个数据集来说明和讨论所获得的统计杠杆的好处的示例。
Accelerometers are a popular choice as body-motion sensors: the reason is partly in their capability of extracting information that is useful for automatically inferring the physical activity in which the human subject is involved, beside their role in feeding biomechanical parameters estimators. Automatic classification of human physical activities is highly attractive for pervasive computing systems, whereas contextual awareness may ease the human-machine interaction, and in biomedicine, whereas wearable sensor systems are proposed for long-term monitoring. This paper is concerned with the machine learning algorithms needed to perform the classification task. Hidden Markov Model (HMM) classifiers are studied by contrasting them with Gaussian Mixture Model (GMM) classifiers. HMMs incorporate the statistical information available on movement dynamics into the classification process, without discarding the time history of previous outcomes as GMMs do. An example of the benefits of the obtained statistical leverage is illustrated and discussed by analyzing two datasets of accelerometer time series.
登录
查看更多内容
DOI：
10.1109/3468.553220
发表时间：
1997-01-01
影响因子：
--
作者：
Yang, J;Xu, YS;Chen, CS
通讯作者：
Chen, CS
DOI：
10.1109/titb.2005.856864
发表时间：
2006-01-01
影响因子：
--
作者：
Karantonis, DM;Narayanan, MR;Celler, BG
通讯作者：
Celler, BG
影响因子：
3.2
作者：
Mathie, MJ;Celler, BG;Coster, ACF
通讯作者：
Coster, ACF
DOI：
10.3390/s100201154
发表时间：
2010
期刊：
Sensors (Basel, Switzerland)
影响因子：
--
作者：
Mannini A;Sabatini AM
通讯作者：
Sabatini AM
DOI：
10.3390/s91108508
发表时间：
2009
期刊：
Sensors (Basel, Switzerland)
影响因子：
--
作者：
Tunçel O;Altun K;Barshan B
通讯作者：
Barshan B