使用可穿戴传感器从行走模式进行性别分类和年龄估计
Rizvan Jawad Ruhan1, Tahsin Wahid1, Ashikur Rahman1
1Department of Computer Science and Engineering, Bangladesh University of Engineering and Technology, Dhaka 1000, Bangladesh.
Sensors (Basel, Switzerland)
|September 19, 2025
概括
使用惯性传感器的步态分析可以以94%的准确度预测性别,并估计年龄. 这项研究确定了用于改善人类生物识别分析的关键步行特征.
科学领域:
- 生物识别信息 生物识别信息
- 人与计算机的互动.
- 机器学习是机器学习.
背景情况:
- 步态,一个独特的行走模式,作为生物识别标识符.
- 用于识别的传统步态分析面临着大型数据库的可扩展性挑战.
- 研究正在转向使用步态进行人口预测,包括性别和年龄.
研究的目的:
- 从惯性传感器数据提出和分析新的步态特征.
- 调查这些功能对于自动性别识别和年龄预测的有效性.
- 评估这些任务的传统机器学习模型.
主要方法:
- 从加速度计和陀螺仪数据中提取时间序列特征.
- 应用各种传统的机器学习模型进行分类和回归.
- 对其对预测准确性贡献的关键特征的分析.
主要成果:
- 在性别预测方面取得了94%的准确性.
- 为了年龄估计,获得了0.83的R2得分.
- 为人口预测确定了重要的步态特征.
结论:
- 使用惯性传感器进行步态分析,有效预测性别和年龄.
- 从时间序列步态数据的特征工程对于性能至关重要.
- 机器学习模型可以从步行模式可靠地预测人口统计学属性.
