作者:孙佳亨,孟晓亮,梁豪,段洪君,詹志坤 单位:中国电子学会 出版:《电子测量与仪器学报》2020年第03期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFDZIY2020030130 DOC编号:DOCDZIY2020030139 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于MEMS传感器和Unity3D的人体运动捕获系统》PDF+DOC2015年第02期 张衡,张泽宇 《基于惯性传感器的人体动作检测系统设计》PDF+DOC2014年第23期 李世琳,王洪源 《基于MEMS六轴传感器的上肢运动识别系统》PDF+DOC2017年第01期 胡成全,王凯,何丽莉,魏枫林,姜宇 《基于MEMS传感器的惯导系统预处理和姿态解算》PDF+DOC2019年第11期 刘维,王明杭,朱志宇 《基于DSP和MEMS的人体动作识别系统》PDF+DOC2011年第02期 李懿,羊彦 《基于MEMS传感器的三分量检波器定向方法》PDF+DOC2014年第10期 沈统,庹先国,李怀良,刘勇,阳林锋 《基于MEMS传感器的人体运动识别系统》PDF+DOC2018年第08期 李元良,史中权,李少辉,李嘉昕,陈富东,王瑞琪,丁汉祥 《加速度传感器在动作识别中的应用》PDF+DOC2011年第02期 赵学玲,朱雁锋,郝立果,郑桐 《利用MEMS惯性传感器改善控制》PDF+DOC2011年第09期 BOB SCANNELL 《基于MEMS传感器的TPMS系统开发与实现》PDF+DOC2013年第04期 陆宇,沈立,陈建广,陈宏铭,程玉华
  • 针对目前视觉动作识别方法中普遍存在的背景复杂、活动范围有限、个人隐私泄露等问题,设计了一套基于MEMS惯性传感器的体操动作识别系统。该系统主要通过构建传感器网络,采集人体进行体操运动时11个位置的加速度和角速度数据。基于预处理后的两类数据,计算样本均值、标准差、信息熵、均方误差等参数作为分类特征,建立支持向量机(SVM)分类模型,并对6种体操运动的动作进行了有效识别。实验结果表明,SVM算法较K-近邻、朴素贝叶斯、决策树等机器学习算法有更好的识别效果,平均识别率可达97%以上。

    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。