作者:邢蒙蒙,魏国辉,刘静,张俊忠,杨锋,曹慧 单位:四川大学华西医院;四川省生物医学工程学会 出版:《生物医学工程学杂志》2020年第01期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFSWGC2020010220 DOC编号:DOCSWGC2020010229 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于三轴加速度传感器的人体动作识别研究》PDF+DOC2015年第11期 罗初发 《基于深度学习模型的无线传感器网络数据融合算法》PDF+DOC2014年第12期 邱立达,刘天键,林南,黄章超 《一种基于深度传感器的人体动作识别方法》PDF+DOC2019年第25期 王健 《基于惯性传感器的驾驶动作监测识别研究》PDF+DOC2020年第03期 侯宇晗,朱玉杰,王景峰,陈雨诗 《飞鸟与无人机目标雷达探测与识别技术进展与展望》PDF+DOC2020年第05期 陈小龙,陈唯实,饶云华,黄勇,关键,董云龙 《基于人体动作识别的智能机器人系统设计》PDF+DOC2018年第23期 薛靖宜,叶青 《多模态生物特征识别技术进展综述》PDF+DOC2009年第02期 王瑜,穆志纯,徐正光 《基于BSN和神经网络的人体日常动作识别方法》PDF+DOC2013年第06期 陈野,王哲龙,李政霖,李宏伟 《多模态目标的联合压缩跟踪》PDF+DOC2020年第04期 唐艳平,张灿龙,李燕茹,李志欣 《基于时序分析的人体运动模式的识别及应用》PDF+DOC2014年第12期 林海波,李扬,张毅,罗元
  • 人体动作识别(HAR)是智慧医疗、体育训练、视频监控等众多领域的技术基础,受到社会各界的广泛关注。本文概述了HAR的研究进展及意义,将其归纳为动作捕捉和基于深度学习的动作分类两个过程。首先,详细介绍了基于视频、基于深度相机以及基于惯性传感器的三种主流动作捕捉方式,列举了常用的动作数据集。其次,从特征自动提取及多模态特征融合两方面来描述基于深度学习的HAR,并介绍了正骨康复训练中如何通过HAR实现监督锻炼和模拟训练。最后,讨论了HAR的精准动作捕捉、多模态特征融合方法,以及在正骨康复训练应用中的重点和难点。本文通过总结以上内容旨在快速地引导研究人员了解HAR的研究现状及其在正骨康复训练中的应用。

    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。