一个基于结构振动的数据集,用于人类步行识别
Mainak Chakraborty1, Chandan2, Sahil Anchal3
1Centre for Sensors, Instrumentation, Cyber Physical System Engineering (SeNSE), IIT Delhi, New Delhi, India.
Scientific data
|October 6, 2025
概括
这项研究引入了使用结构振动进行非侵入性人类步行识别的最大数据集. 这种保护隐私的方法分析了脚和脚对身份识别的影响,推动了生物识别研究.
科学领域:
- 生物识别和人机交互的人机交互
- 信号处理和机器学习
- 传感器技术 传感器技术
背景情况:
- 非侵入性的人类步态识别对于保护隐私的身份识别至关重要.
- 现有的使用结构振动进行步态识别的数据集在参与者数量和范围上有限.
- 来自脚步的结构振动为步态分析提供了一种独特的模式.
研究的目的:
- 展示使用结构振动信号进行人类步行识别的最大的公开数据集.
- 促进对非侵入性和保护隐私的生物识别的研究.
- 支持临床分析,老年护理和康复工程方面的进步.
主要方法:
- 收集了来自100个受试者的结构振动数据,涉及各种地板类型 (木材,地毯,水泥) 和传感器距离.
- 记录了不同步行速度的振动信号,并包括来自户外环境的视频数据.
- 采集了超过96小时的原始振动数据,并补充了生理信息 (年龄,性别,身高,体重).
主要成果:
- 该数据集包括来自大型队列的广泛结构振动记录.
- 它包括步行条件,地板表面和传感器距离的变化.
- 生理学数据和视频记录增强了数据集对全面步态分析的实用性.
结论:
- 这一数据集显著推进了非侵入性步行识别研究.
- 它为开发保护隐私的识别系统提供了坚实的基础.
- 预计这一资源将加速生物识别安全和医疗保健应用领域的创新.
更多相关视频
06:35Using Gold-standard Gait Analysis Methods to Assess Experience Effects on Lower-limb Mechanics During Moderate High-heeled Jogging and Running
Published on: September 14, 2017
9.5K
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
1.6K
