基于智能手表的人体行为识别研究

针对现有人体行为识别系统识别精度不高,且不便于日常使用的缺点,提出了一种用于智能手表的神经网络分类算法。采用基于PCA的特征提取方法对Apple Watch智能手表采集到的三轴加速度数据进行特征提取,结合动量-自适应学习率BP神经网络分类算法有效识别出了行走、慢跑、上楼梯、下楼梯四种行为,识别准确率达到82.36%。与朴素贝叶斯算法和决策树分类算法进行对比实验,结果显示基于PCA的神经网络分类算法进行人体行为识别准确率更高。