作者:刘旭,徐正蓺,朱金鑫,黄超 单位:中国技术经济学会 出版:《科学技术与工程》2017年第12期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFKXJS2017120380 DOC编号:DOCKXJS2017120389 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于MEMS惯性传感器的行人室内高度估计方法》PDF+DOC2017年第03期 朱金鑫,张富平,刘旭,徐正蓺 《基于Android传感器的人体姿态识别方法》PDF+DOC2019年第06期 杨一涛,孙国梓,王壮 《多传感器系统中的小波变换应用研究》PDF+DOC2020年第04期 汤家森,李瑞祥,施伟斌,李辉 《基于MEMS的人体行为特征反演系统设计》PDF+DOC2018年第10期 潘婉苏,李晓风,许金林,李皙茹,程龙乐 《基于RBF神经网络的人体动态姿态识别算法》PDF+DOC2011年第04期 高晶敏,梁菁菁,李春云 《基于核函数SVM的穿戴式姿态识别系统》PDF+DOC2010年第10期 胡一帆,林欣,丁永生,吴怡之 《基于多Leap Motion传感器的机械手手势控制系统》PDF+DOC2017年第07期 唐春晓,王志红 《基于弯曲传感器辅助的行人室内定位零速修正方法》PDF+DOC 谷洪浩,蔡成林,蔡劲,吴金凯,秦玉叶 《卡尔曼滤波在人体姿态检测中的应用》PDF+DOC2015年第03期 杜波,张卓,刘垚 《一种基于地图匹配辅助行人航位推算的室内定位方法》PDF+DOC2014年第05期 胡安冬,王坚,高井祥
  • 基于步行者航位推算的室内定位方法中位移的计算一定程度上依赖于人体姿态的正确识别。原地踏步和走路是其中主要的关键姿态,两者的加速度信号相似,传统方法很难进行高精度的区分,导致航位推算的步长计算错误。基于惯性传感器进行室内场景中八种人体姿态识别研究,根据运动强度的不同采用分层分类法。首先将原地踏步和走路归为一类,通过时域特征结合支持向量机(SVM)进行姿态分类;然后利用加速度的时域和小波特征以及磁场特征,结合Ada Boost方法进行二分类。关键姿态的识别准确率超过96%,对包含复杂运动姿态的步行者室内定位起到更佳的辅助作用。

    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。