相关实验视频
Updated: Jun 20, 2026
07:24
Home-Based Monitor for Gait and Activity Analysis
Published on: August 8, 2019
6.7K
一种可穿戴的惯性传感器方法,用于对身体活动进行运动和定位识别
Danyal Khan1, Naif Al Mudawi2, Maha Abdelhaq3
1Faculty of Computing ad AI, Air University, E-9, Islamabad 44000, Pakistan.
Sensors (Basel, Switzerland)
|February 10, 2024
概括
这项研究介绍了一种使用传感器数据的先进的人类活动识别系统. 这种新的方法在识别机动和本地化活动方面实现了高精度,优于现有的方法.
科学领域:
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 现代可穿戴设备和智能手机集成惯性传感器 (加速计,陀螺仪) 用于先进的应用.
- 人类活动识别 (HAR) 是一个关键的研究领域,在健康监测,健身和医疗领域都有应用.
- 原始传感器数据往往含有噪音,需要强大的预处理技术.
研究的目的:
- 用智能手机传感器数据设计和评估一种先进的系统,用于识别人类运动和定位活动.
- 为了应对HAR的挑战,包括杂的传感器数据和不平衡的数据集.
- 提高人类活动识别系统的准确性和性能.
主要方法:
- 数据预处理涉及使用切比舍夫1型波器去除噪声,以及使用哈明窗口进行信号细分.
- 进行特征提取,然后使用递归特征消除进行特征选择.
- 为了处理不平衡的数据集,SMOTE (合成少数人过量采样技术) 用于数据增强.
- 长短期记忆 (LSTM) 深度学习分类器被用于最终分类.
主要成果:
- 该系统在多个数据集中实现了高精度:89%的现实生活Har,85%的现实世界Har和95%的超感官.
- 提出的消除噪音和特征选择方法有效地提高了分类性能.
- SMOTE数据增强成功解决了数据集不平衡问题,提高了模型的稳定性.
结论:
- 与最先进的方法相比,开发的HAR系统表现出卓越的性能.
- 集成先进的信号处理,特征选择和深度学习 (LSTM) 对HAR有效.
- 这项研究为准确的人类活动识别提供了强大的框架,并有可能用于现实世界的应用.
