人体行为识别领域从上世纪80年代起开始发展,吸引了很多研究学者进入其中。随着科技的发展,对人体行为的识别可以作为基础来给各类上层应用提供支撑。如智能家居、老人监护、病人监护等都需要准确快速的识别出当前用户的行为。到目前为止,人体行为识别主要分为两大类,基于传感器的识别方式和基于可视化工具的识别方式。其中基于可视化工具的识别策略主要采用光谱分析,卡尔曼滤镜以及隐式马尔科夫模型。基于可视化工具的识别方式虽然易于实现,但从发展的角度来说,不易部署、对用户环境干扰大等特点始终是大家诟病的地方。而随着无线传感器网络的发展以及可穿戴式传感器的逐渐普及,构建基于可穿戴式无线传感器的行为识别系统变得越来越有研究价值。这样的行为识别系统已经被很多学者及机构广泛运用与科学研究。众多研究人员设计开发出了各类可穿戴传感器感知系统来为真实的应用提供支撑。在其中最主要的一类研究方向就是通过多模式可穿戴传感器进行人体行为识别,如使用可穿戴的加速度传感器来捕捉用户身体不同部位移动的加速度数据。不过大多数工作还是停留在理论和试验阶段,很少有工作讨论如何在实际环境中搭建这样一个行为识别系统。因此,目前在基于无线传感器的行为识别领域的研究面临的现状主要由以下两点：·虽然目前有很多的工作涉及人体行为识别问题,但真正去做实际部署使用的很少。·没有一份工作能够对人体行为识别传感器网络系统的部署起到指导性的作用。根据上述现象和挑战,我们希望能实现一套真正意义上的人体行为识别系统。这个系统需要满足以下两点要求：·在真实的生活环境中如何高效准确地部署整个人体行为识别系统(real-world development)·如何准确快速的识别复杂人体行为(algorithm)对此,我们项目组已经做了很多相关的研究[12,47],南京大学软件新技术国家重点实验室也对此给予了全力支持。在前人的工作基础上,本文从行为识别的几个相关问题出发,详细阐述了如何构建一套真正的人体行为识别系统。同时,为了满足能够“识别复杂的组合行为”为这样一个实际的需求,本文也进行了研究和探讨,并给出了一种基于决策树的改进算法mdtCAR用以识别复杂组合行为。本文贡献如下：·从场景分析、设计需求、装置配置、概要设计和算法研究等各个环节给出了基于传感器网络的人体行为识别系统设计方案,并最终完成了一套自行设计和实现的基于无线传感器网络并可用于真实场景中的人体行为识别系统。·在原有决策树的基础上进行了修改,提出了可识别组合行为的一套行为识别核心算法。扩充了原有决策树的能力,使其能够识别多元组合行为。本文从二元组合动作出发,对其进行详细讨论,再到n元组合的扩充,给出了一套切实可行的办法。目前,识别系统已经在南京大学仙林校区计算机系搭建完毕并正常运行。