在模式识别研究领域，人体行为识别主要是指对被观测人的动作类型、行为模式进行分析和识别，并使用自然语言等方式对其加以描述。通常情况下，人体行为识别对应的基本工作流程是：选用各类传感器获取人体行为数据信息，并结合传感器特性及人的行为特性建立合理的行为模型，在此基础上从原始采集数据中提取出对行为类型具有较强描述能力的特征，并采用合适的方法对这些特征进行训练，进而实现对人体行为的模式识别。

人体行为识别技术具有广泛的应用前景和非常可观的经济价值，涉及的应用领域主要包括：视频监控、医疗诊断和监护、运动分析、智能人机交互、虚拟现实等。例如：1）传统的视频监控系统高度依赖于相关工作人员的介入，由此很可能会引发一些安全隐患，例如，当夜间工作人员疲惫或松懈时，监控系统无法及时对发生的危险行为采取措施，而采用行为识别技术构建的智能视频监控，则可以实现对敏感活动区域内人体行为的实时无人监控，并且避免雇佣大量监控人员而造成的财力物力损耗；2）随着社会老龄化的加剧，老年人的健康状况越来越引起社会的关注，采用行为识别技术建立高度智能化的医疗监护系统，可以对老年人的一些行为，特别是老年痴呆、突然跌倒等异常行为进行无人监控，准确及时地发送报警信号，对于老年人的健康安全监护具有十分重要的意义；3）将人体行为识别技术引入竞技体育运动中，有助于更好地解释人体运动机制，提高职业运动员的专业技术水平；4）日本任天堂公司于 2006 年底推出了配备三维加速度计的“Wii Sports”游戏手柄，可以识别出游戏玩家手臂、手腕的动作并将其在游戏中近乎真实地体现出来，这种基于虚拟现实技术的娱乐方式彻底颠覆了传统游戏的概念；之后，微软公司在 2010 年 11月正式上市了面向 Xbox 360 游戏应用的体感外设 Kinect，该外设摒弃了游戏手柄，而采用红外投影结构光编码实现对人体各部位运动轨迹的跟踪及人体动作的识别，甚至还融合了人脸识别、语音识别技术，表现出很强的人机交互能力。

近日，由北京大学信息科学技术学院“千人计划”张大庆教授、软件工程国家工程中心王亚沙教授领导的北京大学普适计算研究团队在利用商业WiFi（即无线保真技术，wireless fidelity）设备进行室内无接触人体行为识别方面获得重大进展。

在高可信软件技术教育部重点实验室支持下，该团队继2015年6月实现世界上第一个基于WiFi的室内无接触、实时、无行为约束的跌倒检测系统后，日前又在室内无线电波的传播机理、动态物体反射路径的识别、人体运动方向追踪三个方面取得突破：

1、团队首次将菲涅耳区理论引入基于WiFi行为识别领域，阐明WiFi用于呼吸检测的最佳检测位置、检测盲区以及有效朝向范围，并揭示了背后的机制原理（见下图）；

2、利用信号相干性和子载波之间的相位差，突破了传统MUSIC算法（一种基于矩阵特征空间分解的方法）对大量天线数量的限制，实现精确、动态估计动态物体反射信号的到达角度；

3、利用多频率菲涅耳模型在空间分布上的差异，实现了人体运动方向的实时精确估计。

这些技术和方法在室内无接触呼吸检测、行人跟踪与定位等应用上均取得目前国际最好的结果。

张大庆教授所指导的博士研究生王皓、吴丹、李翔分别实现了相应的无线感知系统，相关的三篇论文全部被美国计算机学会（ACM）主办的普适计算领域顶级会议UbiComp 2016接收。UbiComp 2016将于2016年9月12—16日在德国海德堡举行。这也使得北京大学连续两年有多篇论文被录用，成为在该会议上发表文章最多的国内高校。

张大庆教授简介：

北京大学信息科学技术学院教授，Email：dqzhang@sei.pku.edu.cn

个人主页：点击此处进入

研究领域：普适计算，大数据分析，移动计算，情境感知计算

（本文信息来源：北京大学网站；由e科网整理编辑）

如若转载，请注明e科网。

如果你有好文章想发表or科研成果想展示推广，可以联系我们或免费注册拥有自己的主页