基于智能手机的人类活动识别

人体行为识别是模式识别技术的一种，目前处在动作识别阶段，而动作识别可以看成是特征提取和分类器设计相结合的过程。特征提取过程受到遮挡，动态背景，移动摄像头，视角和光照变化等因素的影响而具有很大的挑战性。其应用背景很广泛，主要集中在智能视频监控，病人监护系统，人机交互，虚拟现实，智能家居，智能安防，运动员辅助训练等等。本文作者利用传感、计算和通信等技术，开发了一个基于行为识别系统的新型智能手机，考虑人类活动在线辨识的各个方面，从实验数据的采集，到机器学习算法和硬件实现。

全书分为3部分，共8章：1.引言：包括作者开发的动机与本书的主要贡献，最后给出了参考文献；第1部分 人类行为的识别要点，含第2-3章：2.背景：包括环境智能和辅助生活，如AMI系统及应用、可穿戴式传感器和环境传感器等，还介绍了智能手机的发展和机器学习的基本知识；3.人类活动下的传感和数据采集、特征选择与提取，还介绍了相关的硬件设计工作。第2部分 数据采集和离线活动识别，含第4-5章：4.人类活动数据的生成：包括HAR协议、数据记录、数据处理、特征映射和数据集的生成、数据验证等内容；5.硬件友好行为识别的固定点算法：包括硬件友好的多类支持向量机、高频-SVM和统计学习理论、类支持向量机概率估计等内容。第3部分 智能手机的在线活动识别，含第6-8章：6.在线活动识别的线性支持向量机模型：包括 L1范数和L2范数的支持向量机的活动识别、 L2的SVM算法、L1L2 SVM配方、线性与非线性支持向量机等内容；7.体位转换意识的在线识别：包括体位转换硬件系统设计、信号处理和特征提取、PTAHAR实验、在线估计系统误差和性能评价、系统误差评价等；8.结论：总结了本书的研究成果，提出未来工作的设想。

本书探讨了解决设计过程中出现各种问题的具体思路，如实时操作、高精度、低电池消耗与系统不可见性。同时还为读者提供了人类活动的识别基本概念综述，并对该领域最有影响力的成果做了详细分析。本书内容是Politècnica de Catalunya大学和Genoa大学互动与认知环境伊拉斯谟联合博士学位论文的一部分，可供复杂系统、计算机、嵌入式软硬件设计、通信等相关领域的研究人员及学生阅读参考。

李亚宁，硕士研究生

（中国科学院自动化研究所）