基于MEMS惯性传感器的人体多运动模式识别

被引：21

作者：

路永乐

张欣

龚爽

周帆

刘宇

机构：

[1] 重庆邮电大学光电信息感测与传输技术重庆市重点实验室

来源：

中国惯性技术学报 | 2016年 / 24卷 / 05期

关键词：

MEMS惯性传感器; 运动模式; 识别算法; 时域特征;

D O I：

10.13695/j.cnki.12-1222/o3.2016.05.006

中图分类号：

TP391.4 [模式识别与装置]; TP212 [发送器（变换器）、传感器];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ; 080202 ;

摘要：

针对人体多运动模式识别中识别精度低的问题,提出一种基于MEMS惯性传感器的人体多运动模式识别算法。该算法选取MEMS加速度传感器的时域特征作为模式识别特征量,提取MEMS角速度传感器的时域特征作为二次识别的特征量,能够准确识别走、跑、站立、上楼、下楼、趴倒、躺倒、倒退多种运动模式。识别过程采用分层识别算法,同时使用支持向量机识别区分难度较大的两类行为动作。嵌入式消防单兵定位系统平台的实验验证表明,利用该算法能够识别消防单兵的多运动模式,平均识别精度达到94%以上。

引用

页码：589 / 594

页数：6

共 7 条

[1]

On the use of ensemble of classifiers for accelerometer-based activity recognition.[J].Cagatay Catal;Selin Tufekci;Elif Pirmit;Guner Kocabag.Applied Soft Computing.2015,

[2] Machine learning for activity recognition: hip versus wrist data [J].

Trost, Stewart G. ;

Zheng, Yonglei ;

Wong, Weng-Keen .

PHYSIOLOGICAL MEASUREMENT, 2014, 35 (11) :2183-2189

[3]

A novel recognition system for human activity based on wavelet packet and support vector machine optimized by improved adaptive genetic algorithm.[J].Jin Jiang;Ting Jiang;Shijun Zhai.Physical Communication.2014,

[4] Validity of using tri-axial accelerometers to measure human movement-Part I: Posture and movement detection [J].