《一种基于智能手机终端的远程人体姿态监测系统》PDF+DOC
作者:刘宇,惠鸿飞,路永乐,亓林,邹新海,黎人溥
单位:中国惯性技术学会
出版:《中国惯性技术学报》2019年第06期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFZGXJ2019060030
DOC编号:DOCZGXJ2019060039
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于MEMS的帕金森病震颤实时评估系统》PDF+DOC 郄剑文,贾方秀,鲁鹏威
《基于惯性传感器的跌倒检测技术研究进展》PDF+DOC2017年第32期 王莉,赵艳阳,刘雪峰,牛群峰
《基于惯性传感器的跌倒检测技术研究进展》PDF+DOC 韩召
《基于旋转模式的移动设备佩戴位置识别方法》PDF+DOC 时岳,喻纯,史元春
《辅助室内定位的关键人体姿态识别》PDF+DOC2017年第12期 刘旭,徐正蓺,朱金鑫,黄超
《基于大数据平台的人体跌倒检测研究》PDF+DOC2017年第06期 张帆
《基于惯性传感器的短跑运动腿部姿态监测方法》PDF+DOC2020年第05期 杨立春
《基于卷积神经网络的人体步态识别算法研究》PDF+DOC2020年第19期 陈法权,樊军
《一种基于卷积神经网络的纸币脏污识别方法》PDF+DOC2020年第07期 孙伟忠,马跃,尹震宇,谷艾,徐福龙
《用于汽车车身装配夹具故障诊断的一种样本识别方法》PDF+DOC1998年第04期 陈关龙,罗春源
为了利用便携式设备准确监测老年人的跌倒状况,提出了一种基于softmax回归的多种行为模式分类识别方法,设计并实现了基于智能手机终端的远程人体姿态监测系统。首先,构建softmax分类器分析8种日常行为模式下的加速度模值特征,由于跑步时加速度模值与突然跌倒时类似,引入倾斜角特征进行二次判别,从而识别出突然跌倒行为;针对缓慢跌倒行为下加速度模值特征不明显的问题,在softmax分类器中引入躺倒时间特征,通过设置躺倒时间阈值并判断原始位置是否在时间阈值内恢复,从而识别出缓慢跌倒行为。实验与测试结果表明,该系统准确度为95.40%,特异度为95.33%,灵敏度为95.50%,具有较高的跌倒行为识别精度,对老年人的健康状态监测提供了一种可行方案。
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。