《基于惯性传感器和深度学习的上肢动作识别研究》PDF+DOC
作者:段晨,廖福元
单位:北京方略信息科技有限公司
出版:《国外电子测量技术》2019年第11期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFGWCL2019110120
DOC编号:DOCGWCL2019110129
下载格式:PDF + Word/doc 文字可复制、可编辑
《穿戴式颈部动作检测系统的设计》PDF+DOC2020年第09期 盛希宁
《明皜传感:国内MEMS传感器的创新者和开拓者》PDF+DOC2016年第11期
《ST与Qualcomm合作开发移动智能设备传感器》PDF+DOC2016年第07期
《《传感器世界》全年摘要》PDF+DOC2019年第12期
《基于MEMS传感器的体操动作识别》PDF+DOC2020年第03期 孙佳亨,孟晓亮,梁豪,段洪君,詹志坤
《传感器》PDF+DOC2001年第10期
《一体化气囊惯性传感器控制单元》PDF+DOC2009年第40期
《一种基于加速度信息的上肢动作识别研究方法》PDF+DOC2014年第15期 洪俊,赵子恺
《体域网中一种基于压缩感知的人体动作识别方法》PDF+DOC2013年第01期 肖玲,李仁发,罗娟
《人工神经网络在舰船火灾探测中的应用》PDF+DOC2007年第06期 吴松,李华
基于传感器的上肢动作识别技术,研究的热点主要在于传感器的种类、数量,特征值的选择以及分类算法的设计上,这些因素决定了识别效果的优劣。针对这些问题,提出一种基于多个惯性传感器和深度学习的上肢动作识别方法。使用惯性传感器模块采集上肢动作时手腕和肘部的加速度、角速度数据,在预处理后提取如均值、最大(小)值、频率等9种特征值,然后采用主成分分析法对特征集进行降维处理,在减小计算量的同时使其具有更好的鲁棒性,最后使用深度信念网络训练数据,对6种上肢动作进行分类。实验结果表明,该方法可完成多种上肢动作的识别,以最少的传感器数量完整的描述了复杂的上肢动作,而深度信念网络相较于传统的支持向量机、人工神经网络等算法,有着更高的识别精度。
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。