| 基于MEMS惯性传感器时域特征的人体行为识别 |
| |
| 作者姓名： | 谢国亚 刘宇 路永乐 邸克 郭俊启 余跃 |
| |
| 作者单位： | （重庆邮电大学 光电信息感测与传输技术重庆市重点实验室,重庆 400065） |
| |
| 基金项目： | 国家自然科学基金资助项目(61301124,61471075,61671091);重庆市科委基础研究基金资助项目(cstc2014jcyjA1350);重庆邮电大学博士启动基金资助项目(A2015-40);重庆科委自然科学基金资助项目(cstc2016jcyjA0347) |
| |
| 摘 要： | 提出了一种基于微机电系统(MEMS)惯性传感器组合系统的高精度实时人体行为识别算法。算法选取一个2 s的滑动时间窗作为特征提取窗口,提取惯性传感器组合系统输出的时域特征作为特征参量,采用基于平衡决策树的支持向量机对人体不同行为模式进行分类识别。在实验室自主研发的可穿戴智能终端平台上进行测试,结果表明,在识别时间缩短到2 s/次的条件下,对5种行走类行为模式和5种非行走类行为模式的识别率均可达88%。与现有算法相比,该算法的实时性和精度得到明显提高,且拓展了模式识别的种类。
|
| 关 键 词： | 微机电系统(MEMS)惯性传感器 人体行为识别 特征提取 特征参量 支持向量机 |
|
| 点击此处可从《压电与声光》浏览原始摘要信息 |
|
点击此处可从《压电与声光》下载免费的PDF全文 |
|
