《基于便携式传感器数据的GMM-HMM人体姿态识别算法》PDF+DOC
作者:马永,洪榛
单位:中国科学院软件研究所
出版:《计算机系统应用》2020年第11期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFXTYY2020110300
DOC编号:DOCXTYY2020110309
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于无线体域网的人体姿态多级分层识别算法》PDF+DOC2016年第01期 胡封晔,王璐,王珊珊,郭纲
《改进PSO优化神经网络算法的人体姿态识别》PDF+DOC2017年第01期 何佳佳,李平,刘井平,戴傲
《基于RBF神经网络的人体动态姿态识别算法》PDF+DOC2011年第04期 高晶敏,梁菁菁,李春云
《基于微型FCN和传感器数据融合的迷宫小车姿态调整》PDF+DOC2019年第04期 李明杰,冯有前,尹忠海,周诚
《基于六轴传感器的无线动作识别系统设计》PDF+DOC2018年第10期 曾亿山,刘睿
《LM算法在传感器数据融合中的应用》PDF+DOC2005年第05期 赵辉,王秀峰
《嵌入式数据融合系统的设计与实现》PDF+DOC2011年第02期 张辉宜,沈晖,陶永
《改进随机森林及其在人体姿态识别中的应用》PDF+DOC2015年第16期 周博翔,李平,李莲
《复杂环境下基于支持度的多传感器数据融合算法》PDF+DOC2014年第03期 周尧,姜礼平,刘杨
《基于Kalman滤波的多传感器信息融合研究》PDF+DOC2013年第11期 刘洲洲
人体姿态识别在人机交互,游戏以及医疗健康等领域有着深远意义,基于便携式传感器进行多种人体姿态高精度的稳定识别是该领域的研究难点.本文采集了8种姿态的高频传感器数据,提取原始数据的窗口时域特征组成数据集.根据人体姿态的传感器数据特点将人体姿态划分为4个阶段,使用高斯混合模型(Gaussian Mixture Model, GMM)拟合人体姿态的观测序列,结合隐马尔可夫模型(Hidden Markov Model, HMM),利用GMMHMM算法进行姿态识别.本文对比了不同窗口值下的一阶隐马尔可夫模型(1 Order Hidden Markov Model, 1OHMM)和二阶隐马尔可夫模型(2 Order Hidden Markov Model, 2OHMM)的效果,当窗口值为8时, 2OHMM的性能最优,整体召回率达到了95.30%,平均准确率达到了95.23%.与其它研究相比,本文算法能识别的姿态种类较多,算法识别性能较佳且算法耗时较短。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。