《基于Kinect传感器的摔倒检测研究》PDF+DOC
作者:鲍楠,姜博文,李永泽,王向南,李泽政
单位:西安市三才科技实业有限公司
出版:《电子设计工程》2017年第12期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFGWDZ2017120350
DOC编号:DOCGWDZ2017120359
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于改进Hu矩算法的Kinect手势识别》PDF+DOC2016年第07期 蒲兴成,王涛,张毅
《基于改进SVM分类器的动作识别方法》PDF+DOC2016年第01期 王见,陈义,邓帅
《RGB-D图像分类方法研究综述》PDF+DOC2016年第06期 涂淑琴,薛月菊,梁云,黄宁,张晓
《基于多传感器融合的摔倒检测算法的研究》PDF+DOC2015年第06期 张小驰,陈天华,许继平,李景涛
《MEMS传感器技术在人体摔倒检测中的应用》PDF+DOC2017年第Z1期 乔美生,王忠
《基于Kinect的体感交互技术的坐姿检测方法》PDF+DOC2017年第13期 许运程,王荣荣,刘勋
《一种基于Kinect的人体摔倒检测方法》PDF+DOC2017年第07期 李旋旋,张仁杰
《基于Kinect的多点触控系统的设计与实现》PDF+DOC2012年第16期 蔡睿妍
《一种适于高维时间序列的特征提取方法(英文)》PDF+DOC2007年第02期 楼天良,蒋惠忠
《适用于智能传感器系统的SVM集成研究》PDF+DOC2014年第08期 卞桂龙,丁毅,沈海斌
当今社会独居老人越来越多,老年人的监护已经成为了一个社会问题。为使独居老人在家摔倒时能够被及时发现,将对老年人的伤害减到最低,一种不受可见光影响的基于Kinect的摔倒检测方法被提出与研究。使用Kinect的深度信息去除背景,提取人物的关键点,采集大量的不同动作下的关键点运动曲线,并进行特征提取作为训练集,用SVM(支持向量机)建立了一个摔倒检测分类器。在实验中,500个摔倒动作和1 500个未摔倒动作作为训练数据,315个动作被用来作为检测数据,实验结果显示,算法的敏感度是91.4%,精确度是93.7%,由此可见这个方法对于摔倒特征有很好的分类能力和很高的辨别度。
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。