作者:汪涛,汪泓章,夏懿,张德祥 单位:中国微米纳米技术学会;东南大学 出版:《传感技术学报》2019年第07期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFCGJS2019070120 DOC编号:DOCCGJS2019070129 下载格式:PDF + Word/doc 文字可复制、可编辑
《身份识别,除了“刷脸”,还有这些“黑科技”》PDF+DOC2018年第Z1期 苏更林,史峰 《基于卷积神经网络的人体步态识别算法研究》PDF+DOC2020年第19期 陈法权,樊军 《基于智能手机运动传感器的步态特征身份识别方法》PDF+DOC2019年第06期 孔菁,郭渊博,刘春辉,王一丰 《基于手机惯性传感器与多特征CNN的驾驶行为识别算法》PDF+DOC2019年第03期 谢非,汪壬甲,沈世斌,孙蕊,张斌,刘锡祥 《基于步态特征的移动平台持续认证方案》PDF+DOC2019年第07期 杨力,马卓茹,张程辉,裴庆祺 《基于神经网络的液压缸内泄漏在线测量研究》PDF+DOC2019年第09期 郭媛,曾银川,曾良才,傅连东,湛从昌 《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 《人体步态特征生物识别方法研究》PDF+DOC2010年第04期 张军 《传感器通道中的运动模式的步态识别算法》PDF+DOC2009年第08期 王建荣,王庆节,曲日,喻梅,任长明 《加速度传感器MMA7260在步态特征提取中的应用》PDF+DOC2007年第03期 侯向锋,刘蓉,周兆丰
  • 步态识别是非接触式生物识别领域中一个比较前沿的课题,它主要是利用行走过程中个体步态之间的差异来识别人的身份。近年来,随着可穿戴传感器在人体信息采集中的广泛应用,利用惯性传感器采集步行过程中的线性加速度以及角速度进而实现步态特征提取是该领域中一个研究热点。为了提取更加有效的步态识别特征,利用基于注意力机制的卷积神经网络来进行步态特征的深度学习,其主要流程是先对原始数据进行预处理,接着利用卷积神经网络对处理后的数据提取步态特征,然后利用注意力机制对步态特征进行加强,最后再分类。实验结果证明了本文方法的优越性。

    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。