作者:胡双杰,秦建邦,郭薇 单位:中国微米纳米技术学会;东南大学 出版:《传感技术学报》2018年第12期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFCGJS2018120110 DOC编号:DOCCGJS2018120119 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于协同LSTM神经网络的人体行为识别研究》PDF+DOC2018年第12期 朱连章,陈殿明,郭加树,张红霞 《基于可穿戴设备的跌倒检测算法综述》PDF+DOC2018年第09期 忽丽莎,王素贞,陈益强,高晨龙,胡春雨,蒋鑫龙,陈振宇,高兴宇 《基于四元数与卡尔曼滤波的四旋翼飞行器姿态估计》PDF+DOC2016年第14期 王宏昊,陈明,张坤 《用于水下ROV控制的姿态融合技术研究》PDF+DOC2018年第04期 裴国栋,温亚楠,朱莉莉 《基于多传感器时域特征的实时人体行为识别(英文)》PDF+DOC2017年第04期 刘宇,余跃,路永乐,郭俊启,邸克,陈永炜 《基于惯性传感器的可穿戴设备智能控制技术的研究与实现》PDF+DOC 潘家瑶 《基于循环神经网络的人体行为识别》PDF+DOC2018年第06期 宿通通,孙华志,马春梅,姜丽芬 《基于随机森林算法的旋转机械齿轮组故障诊断》PDF+DOC2019年第05期 王子兰,杨瑞 《智能手机传感器的人体行为识别技术》PDF+DOC2020年第01期 艾达,王倩,樊炜鑫,郝瑞,刘颖 《基于神经网络的高线中轧电机故障诊断的研究》PDF+DOC2009年第07期 但斌斌,何义文,马乾
  • 跌倒是导致老年人受伤甚至死亡的主要原因。准确及时的跌倒检测系统可以帮助跌倒者获得紧急救援。目前基于传感器的跌倒检测方法主要利用人工设计提取的信号特征来区分跌倒和非跌倒运动,但人工提取的特征往往会限制算法的精确度,增大算法时延。为提高跌倒检测的精确度和实时性,本文提出了一种基于深度学习的跌倒检测算法。该算法可以自动提取数据特征,实现从原始数据到检测结果的端到端的处理。算法模型主要由两层级联的长短期记忆LSTM(Long ShortTerm Memory)循环神经网络组成,通过神经网络提取加速度计和陀螺仪数据内部的特征,并判断是否有跌倒状况发生。本文使用两个公开数据集MobiAct和Sis Fall对算法性能进行评估。实验结果显示,算法在两个数据集都达到了较高的精确度(99.58%以上)和较低的时延(2.2 ms以内)。

    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。