作者:强茂山,张东成,江汉臣 单位:清华大学 出版:《清华大学学报(自然科学版)》2017年第12期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFQHXB2017120160 DOC编号:DOCQHXB2017120169 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于加速度传感器的人体运动行为识别研究》PDF+DOC2016年第03期 张洁 《基于手机传感器的室内用户行为识别》PDF+DOC2016年第05期 李晶,黄鹤,邓南山,于广涛,常坤 《基于机器学习的铁路工务人员行为识别方法》PDF+DOC2019年第07期 杜成飞 《一种基于三维加速度传感器的人体行为识别方法》PDF+DOC2013年第06期 徐川龙,顾勤龙,姚明海 《融合关联性的多任务压缩感知行为识别方法》PDF+DOC2015年第06期 段梦琴,李仁发,黄晶 《基于加速度传感器的上肢运动信息采集与姿态识别》PDF+DOC2017年第07期 张俊杰,孙光民,李煜,张翼,李俊,闫正祥,马北川,刘天伦 《基于加速度传感器和神经网络的人体活动行为识别》PDF+DOC 张烈平,匡贞伍,李昆键,韦克莹,王政忠,张声岚,王瑞 《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 《基于移动群智感知的极端驾驶行为感知方法》PDF+DOC2019年第07期 翟书颖,李茹,郭阳 《基于加速度传感器的在途危险品行为姿态检测方法》PDF+DOC2018年第08期 王绍丹,王宜怀,贾荣媛
  • 对建筑工人施工行为的自动化识别是建设施工质量安全以及工作效率实时管理的核心方法,需要建筑、信息、管理等多领域交叉集成。该文以钢筋工为例,利用加速度传感器在工地现场采集钢筋工施工过程中手腕处运动的加速度数据,将钢筋工的所有行为分为3类。从加速度数据中提取特征值,应用分类器进行机器学习实验并进行精度对比,得出最佳分类器和最佳特征值。实验结果表明:最佳特征值与数据片段长度有关;在一定范围内,数据片段越长,识别精度越高;识别精度最高达到了85.9%,与以往研究相比,对工人行为的分类更细致且达到的精度更高。该研究为工程现场典型工种的动作识别提供了方法,为建筑工人行为的自动化实时监控、施工质量安全和效率管理奠定了基础。

    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。