作者:崔畅,王伟 单位:辽宁石油化工大学 出版:《辽宁石油化工大学学报》2016年第05期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFFSSX2016050150 DOC编号:DOCFSSX2016050159 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于MEMS加速度传感器的步态识别》PDF+DOC2017年第03期 涂斌斌,谷丽华,揣荣岩,许会 《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 《基于手机加速度与步态不对称特征的身份识别》PDF+DOC2018年第06期 梁西银,何书芹,颜昌林,马玲,倪波波 《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 《基于加权稀疏表示分类的车辆识别》PDF+DOC2018年第06期 罗涛,冯玉田,唐子成,毕超 《结构化步态特征表征和快速步态识别方法》PDF+DOC2012年第02期 韦素媛,宁超,高有行,李刚 《基于iOS平台的计步器应用的设计与实现》PDF+DOC2012年第12期 马松岩 《传感器通道中的运动模式的步态识别算法》PDF+DOC2009年第08期 王建荣,王庆节,曲日,喻梅,任长明 《加速度传感器MMA7260在步态特征提取中的应用》PDF+DOC2007年第03期 侯向锋,刘蓉,周兆丰 《基于自学习稀疏表示的动态手势识别方法》PDF+DOC2013年第06期 肖玲,李仁发,曾凡仔,屈卫兰
  • 针对步态特征提取时涉及到的维数高、变换复杂等问题,提出一种新的步态特征提取方法。利用加速度传感器采集人体侧向、垂直方向和前进方向的步态加速度数据,并根据跃度将加速度数据区分为动态部分和静态部分,进而计算出动态和静态部分在3个不同方向上的标准差,将共计6个特征指标作为身份识别的依据。对这些特征所做的相似性和个体性测试结果,证明了将它们作为识别依据的可行性。最后引入K-近邻分类算法,计算出测试样本与训练样本之间的最小欧氏距离,从而达到身份识别的目的。实验结果表明,只要测试环境与训练环境一致,通过提取的6个步态特征,利用K-近邻算法可正确识别出测试对象。

    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。