作者:董海山,徐晓姗,郑春红 单位:中大控股 出版:《现代计算机》2020年第06期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFXDJS2020060120 DOC编号:DOCXDJS2020060129 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于加速度传感器的人体运动行为识别研究》PDF+DOC2016年第03期 张洁 《基于手机传感器的室内用户行为识别》PDF+DOC2016年第05期 李晶,黄鹤,邓南山,于广涛,常坤 《基于协同LSTM神经网络的人体行为识别研究》PDF+DOC2018年第12期 朱连章,陈殿明,郭加树,张红霞 《基于单个三轴加速度计的人体行为识别研究》PDF+DOC2019年第02期 张宇,郭达,高志勇,周大海 《智能手机传感器的人体行为识别技术》PDF+DOC2020年第01期 艾达,王倩,樊炜鑫,郝瑞,刘颖 《基于加速度传感器的实时人体状态识别算法》PDF+DOC2013年第05期 宋玲玲,李鹏,王瑞凤 《基于三轴加速度传感器的人体动作识别研究》PDF+DOC2015年第11期 罗初发 《一种采用UWB定位系统进行行为识别的方法》PDF+DOC2012年第14期 马荟,於志文,樊祥超,倪红波 《基于支持向量机的跌倒检测方法研究》PDF+DOC2014年第09期 梁维杰,张应红,景晖,黄博,郑骥 《一种基于特征选取的传感器选择方法》PDF+DOC2013年第09期 刘宏志,吴中海,张兴
  • 智能手机的功能越来越复杂,最新的智能手机配备许多各式各样且功能强大的传感器,这些传感器包括GPS传感器、视觉传感器(如摄像头)、听觉传感器(如耳机)、光传感器、温度传感器、方向传感器(如指南针)和加速度传感器(如加速计),它们在使用中所产生的大量数据为我们进行室内行为识别分析提供机会。通过智能手机加速度传感器、重力传感器和方向传感器,基于深度学习的方式,对智能手机传感器采集的数据进行标准化处理。分别运用TensorFlow及LSTM模型,根据深度特征学习方法实现不同活动的特征提取,进行活动的分类,最终实现对六大类人体活动(走、坐、站、上楼、下楼、慢跑)识别。

    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。