作者:郇战,李晨,万彩艳,陈学杰 单位:华北计算技术研究所 出版:《计算机工程与应用》2019年第01期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFJSGG2019010330 DOC编号:DOCJSGG2019010339 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于加速度的BP神经网络手势识别设计》PDF+DOC2016年第21期 贾维闯,宫进,吴雄华 《基于加速度变化的步态识别方法》PDF+DOC2020年第05期 李春华,郇战,陈学杰,吕士云 《基于Zigbee和加速度传感器的民族手势识别系统》PDF+DOC2012年第20期 邓传旺,徐国凯,孙炎辉 《基于CHMMs的自适应行为识别方法》PDF+DOC2014年第10期 李军怀,严其松,王志晓,魏嵬,张璟 《一种基于加速度传感器的人体跌倒识别方法》PDF+DOC2013年第04期 卢先领,王洪斌,王莹莹,徐保国 《基于nRF51的智能计步器系统设计》PDF+DOC2016年第21期 李月婷,姜成旭 《基于步态轨迹曲线特征的人体身份识别》PDF+DOC2018年第03期 郇战,万彩艳,梁久祯,李晨 《刚性模型姿态识别技术中的数据表达与矩阵变化》PDF+DOC2018年第03期 毕瑛璞 《基于多分类器融合的步态识别方法》PDF+DOC2019年第03期 郇战,陈学杰,吕士云,耿宏杨 《基于CCF的单传感器辐射源识别方法》PDF+DOC2011年第04期 程东升,李侠,万山虎,武凌
  • 为提高基于智能手机内置加速度传感器的人员识别率,提出了一种基于信息分割的组合分类器识别方法。根据人员步行加速度变化特点提出了基于HMM(隐马尔可夫模型)的划分方法,将人员步行加速度划分成相对动态与稳态两个部分,分别从两个区域提取标准差、均值、能量等特征;根据不同步行速率选择这些特征和峰值点连线斜率组合成新的特征集合;最后,采用组合分类器的方法获得了更加理想的识别精度。实验结果表明,在人员慢步行走的姿态下的识别率达到了98.3%,快速步行达到了97.6%。较现有人员识别方法有较大的提高。

    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。