作者:孙宇航,周建钦,张学锋 单位:中国科学院软件研究所 出版:《计算机系统应用》2020年第06期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFXTYY2020060280 DOC编号:DOCXTYY2020060289 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于半监督学习的跌倒检测系统设计》PDF+DOC2016年第10期 李仲年,臧春华,杨刚,项嵘 《基于加速度传感器的运动模式识别》PDF+DOC2015年第06期 黄仁,田丰,田维兴 《基于智能手表加速度传感器的人体行为识别》PDF+DOC 何鹏,陈跃跃,扈啸 《基于噪声嵌入的跌倒检测系统设计》PDF+DOC2017年第02期 李仲年,臧春华,杨刚,项嵘 《基于特征选择加权支持向量机的运动模式识别》PDF+DOC2018年第09期 马语晗,赵辉 《基于运动传感器的帕金森自动分级研究》PDF+DOC2018年第09期 杨越,汪丰,孙丰,郑慧芬 《5指仿人假手及模式识别控制的研究》PDF+DOC2010年第12期 王新庆,刘伊威,孙超,刘宏 《基于时序分析的人体运动模式的识别及应用》PDF+DOC2014年第12期 林海波,李扬,张毅,罗元 《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 《BP神经网络大腿截肢者运动模式识别》PDF+DOC2014年第05期 刘磊,杨鹏,刘作军,耿艳利
  • 本文提出了一种基于MPU9250微处理器的人体运动识别的方法.用户在佩戴手环的情况下进行各类运动,手环即可自动采集并存储用户在运动过程中产生的加速度数据.分析这些数据可以判别人体运动的类别.通过手环内嵌的加速度传感器采集运动者在X, Y, Z 3个方向上的加速度,经过滤波算法过滤后,分别在时域和频域两个方面对数据进行分析,再经过特征工程提取34个相关特征,使用特征选择算法选取主要的16个特征,减小算法复杂度.实验比较了支持向量机(SVM),决策树(decision tree)和随机森林(random forest) 3种方法,对走路、跑步、羽毛球正手挥拍、打乒乓球、划船5种运动模式进行分类,结果表明随机森林准确率最佳,可达到97%以上。

    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。