基于加速度变化的步态识别方法

第３３卷第５期２０２０年５月

传感技术学报

ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＳＥＮＳＯＲＳＡＮＤＡＣＴＵＡＴＯＲＳ

线性相位Ｖｏｌ３３㊀Ｎｏ５Ｍａｙ２０２０

项目来源：国家自然科学基金面上项目(６１７７２２４８)收稿日期:２０２０－０１－０８㊀㊀修改日期:２０２０－０５－０６

ＯｎｔｈｅＡｃｃｅｌｅｒａｔｉｏｎＣｈａｎｇｅ￣ＢａｓｅｄＧａｉｔＲｅｃｏｇｎｉｚｉｎｇＭｅｔｈｏｄ∗自制化妆水

ＬＩＣｈｕｎｈｕａ１∗ꎬＨＵＡＮＺｈａｎ２ꎬＣＨＥＮＸｕｅｊｉｅ２ꎬＬÜＳｈｉｙｕｎ２

人工抽脂(１.ＱｕａｌｉｔｙＣｏｎｔｒｏｌＯｆｆｉｃｅꎬＣｈａｎｇｚｈｏｕＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙꎬＣｈａｎｇｚｈｏｕＪｉａｎｇｓｕ２１３１６４ꎬＣｈｉｎａꎻ２.ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆ＥｎｇｉｎｅｅｒｉｎｇꎬＣｈａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙꎬＣｈａｎｇｚｈｏｕＪｉａｎｇｓｕ２１３１６４ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:Ｔｈｉｓｐａｐｅｒｐｕｔｓｆｏｒｗａｒｄａｎｅｗｍｅｔｈｏｄｆｏｒｉｄｅｎｔｉｆｙｉｎｇｐｅｏｐｌｅｓｄｉｆｆｅｒｅｎｔｗａｌｋｉｎｇｐｏｓｔｕｒｅｓｔｏｌｏｗｅｒｔｈｅｅｒｒｏｒｒａｔｅｏｆｗａｌｋｉｎｇｐｏｓｔｕｒｅｒｅｃｏｇｎｉｔｉｏｎｂｙｓｍａｒｔｐｈｏｎｅｓ.Ｔｈｅｍｅｔｈｏｄｉｓｂａｓｅｄｏｎａｃｃｅｌｅｒａｔｉｏｎｃｈａｎｇｅａｎｄｄｉｖｉｄｅｓｗａｌｋ￣ｉｎｇａｃｃｅｌｅｒａｔｉｏｎｉｎｔｏｔｗｏｃａｔｅｇｏｒｉｅｓ:ｄｙｎａｍｉｃａｎｄｓｔｅａｄｙꎬａｎｄｕｓｅｓＲｅｌｉｅｆＦａｌｇｏｒｉｔｈｍｔｏｇｅｎｅｒａｔｅａｎｅｗｓｅｔｏｆｆｅａｔｕｒｅｓｂｙｗｈｉｃｈｔｏｒｅｃｏｇｎｉｚｅｐｅｏｐｌｅ.Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｓｏｆｔｈｅｎｅｗｍｅｔｈｏｄａｒｅ

９７.４％ꎬ９６.６％ꎬ９５.５％ꎬ９３.６％ｒｅｓｐｅｃｔｉｖｅｌｙｕｎｄｅｒｔｈｅｆｏｕｒｐｏｓｔｕｒｅｓｏｆｓｌｏｗｌｙｗａｌｋｉｎｇꎬｂｒｉｓｋｌｙｗａｌｋｉｎｇꎬｗａｌｋｉｎｇｕｐ￣ｓｔａｉｒｓａｎｄｗａｌｋｉｎｇｄｏｗｎｓｔａｉｒｓ.Ｉｔｗｏｒｋｓｍｕｃｈｂｅｔｔｅｒｔｈａｎｔｈｅｅｘｉｓｔｉｎｇｐｅｏｐｌｅｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄ.Ｋｅｙｗｏｒｄｓ:ａｃｃｅｌｅｒａｔｉｏｎｃｈａｎｇｅꎻｇａｉｔｒｅｃｏｇｎｉｔｉｏｎꎻｇａｉｔｓｅｇｍｅｎｔａｔｉｏｎꎻｆｅａｔｕｒｅｃｏｌｌｅｃｔｉｏｎＥＥＡＣＣ:７２３０Ｍꎻ７３２０Ｅ㊀㊀㊀㊀ｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１００４－１６９９.２０２０.０５.０１２

伞型齿轮基于加速度变化的步态识别方法∗

李春华１∗ꎬ郇㊀战２ꎬ陈学杰２ꎬ吕士云２

(１.常州信息职业技术学院质量控制办公室ꎬ江苏常州２１３１６４ꎻ２.常州大学信息科学与工程学院ꎬ江苏常州２１３１６４)

摘㊀要：针对目前智能手机对人员不同步行姿态下识别错误率偏高的问题ꎬ提出一种基于加速度变化识别人员不同步行姿

态的新方法ꎮ该方法将人员步行加速度分割成动态与稳态两个部分ꎬ运用ＲｅｌｉｅｆＦ算法生成新的特征集合对人员进行识别ꎮ实验结果表明ꎬ新方法对人员在慢步行走㊁快步行走㊁上楼㊁下楼四种姿态下识别率分别达到了９７.４％㊁９６.６％㊁９５.５％㊁９３.６％ꎬ较现有人员识别方法有较大的提高ꎮ

关键词：加速度变化ꎻ步态识别ꎻ步态分割ꎻ特征提取

中图分类号:ＴＰ３９１㊀㊀㊀㊀文献标识码:Ａ㊀㊀㊀㊀文章编号:１００４－１６９９(２０２０)０５－０６９３－０６㊀㊀生物的行为特征识别具有持续验证㊁使用隐秘㊁无需用户主动验证等优点ꎮ２００５年芬兰ＶＴＴ技术研究中心首先提出使用三轴加速度传感器进行步态身份认证ꎬＨｅｉｋｋｉ

pvc绝缘材料切筋Ａｉｌｉｓｔｏ等人将三维加速度传感器捆绑在测试人员的腰后位置ꎬ采样频率为２５６Ｈｚꎬ一共采集了３６人(其中男性成年人１９人ꎬ女性１７人)步行约２０ｍ的加速度数据ꎬ并且在时隔５天后重复采集得到第二个数据集ꎻ当用户携带设备时ꎬ将加速度信号与存储的模板信号进行比较ꎻ该方法首先将采集的数据划分成单个步态周期ꎬ其次对它们进行归一化和平均ꎬ最后与模板对齐ꎬ并计算相似系数进行匹配ꎻ最终在３６名被测试在试验性实验中ꎬ获得了６.４％的错误率[１]ꎮＭａｎｔｙｊａｒｖｉＪ等人[２]使用直方图数据分布统计㊁频率域㊁相关系数三种方法对

步态加速度信号进行分析ꎬ所得到ＥＥＲ分别为１８％㊁１０％㊁７％ꎮ王犇等人利用时间规整算法(Ｄｙ￣

ｎａｍｉｃＴｉｍｅＷａｒｐｉｎｇꎬＤＴＷ)对特征进行匹配ꎬ实验结果表明ꎬ最终得到ＥＥＲ为６.９％[３]ꎮ王晓波[４]同样利用ＤＴＷ算法ꎬ并且采用小波变换过零点的方法提取出加速度信号的特征点进行人员识别ꎬ其所得到的ＥＥＲ分别为５％和３.２７％ꎮ孙虎等人[５]将传统神经网络的数据融合算法引入到步态身份识别之中ꎬ其识别效果好于现有文献ꎮ在２０１２年ꎬ韩国全南大学的ＨｏａｎｇＭｉｎｈＴｈａｎｇ等人[６－７]提出两种利用手机加速度传感器的步态识别方法ꎻ对所采集的数据先后进行插值㊁滤波㊁步态周期检测ꎬ之后再对单个步态周期提取时域和频域特征ꎻ最后进行了两组实验ꎬ其一是在时域的步态中提取步态模板ꎬ利用动

本文发布于:2024-09-22 10:30:06，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/2/111482.html

上一篇：浅谈橡胶沥青性能影响因素

下一篇：步态识别现状与发展

标签：步态加速度进行

留言与评论（共有 0 条评论）