我们为离群值提出了一种基于距离的方法检测人体传感器网络。 首先，我们使用内核密度估计（KDE），以计算出诊断数据到k个最近邻居的距离。 如果概率小于阈值，并且该数据的距离它的左右邻居大于预定值， 诊断数据被确定为异常值。 进一步，我们正式化基于滑动窗口的方法，可以改善离群值检测表现。 最后，通过训练传感器估计KDE 错误的读数，我们引入了隐马尔可夫模型（HMM）的方法来估计最可能的地面产生最大概率的真值训练数据。 仿真结果表明该方法具有良好的检测精度，误报率低。