相关实验视频
Updated: Jun 23, 2025
16:14
Trajectory Data Analyses for Pedestrian Space-time Activity Study
Published on: February 25, 2013
13.5K
基于可穿戴传感器数据分析的轨迹中的一个人的识别
Jinzhe Yan1,2, Masahiro Toyoura2, Xiangyang Wu1
1Department of Computer Science, Hangzhou Dianzi University, Hangzhou 310018, China.
Sensors (Basel, Switzerland)
|June 19, 2024
概括
这项研究引入了新型模型,以匹配摄像机和可穿戴传感器数据的人类轨迹. SyncScore模型和概率融合算法提高了从碎片化数据中识别个体的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 人与计算机的交互
- 可穿戴技术可穿戴技术
背景情况:
- 使用边缘设备摄像头跟踪人类运动对于各种应用非常重要.
- 将摄像机衍生的轨迹与可穿戴传感器数据 (加速,角速度) 相匹配,提出了一个模式挑战.
- 不完整的轨迹数据使个人识别复杂化.
研究的目的:
- 开发一种强大的方法来同步和匹配从摄像机与可穿戴传感器数据的人类轨迹.
- 为了应对碎片化和不完整的轨迹信息的挑战.
- 提高基于多式联运数据识别个人的准确性.
主要方法:
- 提出了SyncScore模型来量化轨迹段和传感器数据之间的相似性.
- 开发了一个概率融合算法,用于系统的,时间集成的相似性更新.
- 使用UEA数据集进行模型验证.
主要成果:
- 提出的模型实现了0.725.5的准确性.
- 敏感度和F1得分也被证实为0.725.5.
- 证明了人类轨迹和传感器数据的有效匹配.
结论:
- SyncScore模型和概率融合算法为多式联动的人类运动分析提供了可行的解决方案.
- 该方法对需要从部分数据中准确识别个体的应用非常有希望.
- 该方法在标准基准数据集上取得了竞争性结果.
