《基于卷积神经网络的人体步态识别算法研究》PDF+DOC
作者:陈法权,樊军
单位:中国机械工程学会;广州机械科学研究院
出版:《机床与液压》2020年第19期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFJCYY2020190320
DOC编号:DOCJCYY2020190329
下载格式:PDF + Word/doc 文字可复制、可编辑
《结合手机传感器和卷积神经网络的人体行为识别》PDF+DOC2018年第03期 石代伟,张若英
《基于卷积神经网络的软硬触觉感知方法研究》PDF+DOC2017年第06期 余乐,李阳光,陈岩,吴超,李洋洋,王瑶
《基于卷积神经网络的SAR目标多维度特征提取》PDF+DOC2017年第01期 张慧,肖蒙,崔宗勇
《基于加速度变化的步态识别方法》PDF+DOC2020年第05期 李春华,郇战,陈学杰,吕士云
《基于佩戴式输入设备的手语识别方法》PDF+DOC2016年第24期 贾维闯,吴雄华,贾博文
《从“Amazon Go”看人工智能时代无人超市实现方案》PDF+DOC2017年第03期 顾鸿铭
《基于特征融合的人体运动识别》PDF+DOC2019年第06期 连西静,崔升
《围栏的人类活动识别优化算法》PDF+DOC2019年第01期 胡科路,王营冠
《基于卷积神经网络的足跟着地事件检测算法》PDF+DOC2019年第21期 李卓容,王凯旋,何欣龙,糜忠良,唐云祁
《用于易挥发性化学品检测的实用电子鼻算法研究》PDF+DOC2011年第01期 董志钢,李民强,罗涛,刘锦淮
针对人体步态识别准确率不高且需要手动提取信号特征的问题,采用卷积神经网络(CNN)自动提取传感器信号特征,对行走、上下楼和上下坡5种步态模式进行识别。搭建惯性传感器系统,采集人体的运动信息;针对该数据特点设计了一个4层的CNN模型用于自动提取信号特征和动作分类;利用检测的数据验证了所提方法的可行性,与传统的“人工特征+支持向量机(SVM)”的识别方法进行对比试验。实验结果表明:所提出的识别方法可以准确地识别运动步态,平均识别率达到91.5%,识别效果优于传统方案。
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。