《基于手机放置变化的步态识别》PDF+DOC
作者:杨文辉,杨明静
单位:华北计算机系统工程研究所(中国电子信息产业集团有限公司第六研究所)
出版:《信息技术与网络安全》2016年第21期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFWXJY2016210180
DOC编号:DOCWXJY2016210189
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于加速度传感器的可扩展手势识别》PDF+DOC2016年第05期 谢仁强,曹俊诚
《基于加速度的人体步态监测方法》PDF+DOC2009年第02期 曹玉珍,刘晓婷,程旸
《基于加速度信息的人体步态识别算法研究》PDF+DOC2016年第05期 崔畅,王伟
《基于步态轨迹曲线特征的人体身份识别》PDF+DOC2018年第03期 郇战,万彩艳,梁久祯,李晨
《基于机器学习的车辆路面类型识别技术研究》PDF+DOC2017年第08期 王世峰,都凯悦,孟颖,王锐
《基于机器学习的手势识别系统及其在移动终端上的应用》PDF+DOC2017年第08期 李养群,周梅
《基于步态特征的移动平台持续认证方案》PDF+DOC2019年第07期 杨力,马卓茹,张程辉,裴庆祺
《基于多分类器融合的步态识别方法》PDF+DOC2019年第03期 郇战,陈学杰,吕士云,耿宏杨
《基于足底压力感知的身份识别系统》PDF+DOC2020年第16期 李汉林,李洁,刘天宇
《基于步态加速度的步态分析研究》PDF+DOC2009年第06期 刘蓉,黄璐,李少伟,刘毅
基于手机加速度传感器的步态识别是根据人的生理特点,提取人行走时的加速度步态模式,以区分不同的个体。大多数研究是将加速器固定在同一个位置、同一个方向上,以减少传感器放置变化对识别的影响。文章比较了不同方法,包括统计学和机器学习的方法,用于减少加速器放置变化的影响。而经过滤波、特征提取等处理,使用机器学习的KStar算法分类效果最佳,准确率可达到99.11%,可消减放置变化的影响。
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。