中文摘要：

本项目针对许多领域中存在的识别和监测双人交互协同动作的需求，拟将人体传感器网络应用到双人交互协同动作识别的研究中，使用微型惯性传感器采集双人交互协同动作时产生的动作信息，通过融合这些信息对双人交互协同动作进行识别，并根据识别结果和运动信息来判别双人交互协同动作的准确性及熟练程度，为评价双人交互协同动作的完成质量提供量化手段。拟提出具有动态多链接、多观测值的DML-MOHMM模型，并将其应用于双人交互协同动作的识别和评价。为解决传感器信号数据偏差问题，拟提出了基于Gram-Schmidt正交化准则的传感器信号数据校准方法；拟提出基于高斯过程的传感器信号数据预处理算法，减少信号采集过程中受到的强噪声干扰和数据丢包的影响。本项目研究成果可以为航空航天、工业生产、军事训练和竞技体育等领域广泛存在的双人交互协同动作的训练提供高科技辅助手段。

结论摘要：

本项目开展了双人交互协同动作的监测和识别的研究，应用体感网进行人体动作监测和识别，使用惯性传感器采集人体动作信息，通过融合这些信息对人体动作进行识别，提出隐马尔可夫模型和马尔可夫逻辑网相结合的方法。为解决传感器信号数据偏差问题，提出了基于Gram-Schmidt正交化准则的数据校准方法；提出基于高斯过程的传感器信号数据预处理算法，减少信号采集过程中受到的噪声干扰和数据丢包，并且通过仿真和实验验证了所提出算法的有效性。研制出人体动作监测和识别的实验平台，并且在项目研究中进行使用验证。该研究成果可以应用于双足行走机器人、康复医学临床研究、竞技体体育和技能训练等领域。