一种基于时间窗口的轻量级实时运动识别算法

来源：计算机研究与发展杂志2017年第12期北京时间：

作者：董理骅,刘强,陈海明,崔莉,

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.

关键词：运动识别, 智能手机, 可穿戴设备, SVM分类器, k-means聚类,