基于智能可穿戴设备的复杂人体活动识别方法设计

方建波; 陶烨豪; 尚杰

doi:10.13873/J.1000-9787(2023)07-0087-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于智能可穿戴设备的复杂人体活动识别方法设计

设计与制造 | 更新时间：2025-09-11

- 基于智能可穿戴设备的复杂人体活动识别方法设计
- 暂无标题
- 传感器与微系统 2023年第7期页码：87-89+93
- 作者机构：
  
  1. 宁波大学信息科学与工程学院
  2. 中国科学院宁波材料技术与工程研究所
- 作者简介：
- 基金信息：
  
  国家自然科学基金联合基金资助项目(U22A20248);浙江省重点研发计划资助项目(2021C01183);中国科学院对外合作重点项目(174433KYSB20200013)
- DOI：10.13873/J.1000-9787(2023)07-0087-03
  中图分类号： TP212;TP368.33
- 纸质出版：2023
- 稿件说明：
移动端阅览
方建波, 陶烨豪, 尚杰. 基于智能可穿戴设备的复杂人体活动识别方法设计[J]. 传感器与微系统, 2023,(7):87-89+93.
方建波, 陶烨豪, 尚杰. 基于智能可穿戴设备的复杂人体活动识别方法设计[J]. 传感器与微系统, 2023,(7):87-89+93. DOI： 10.13873/J.1000-9787(2023)07-0087-03.

DOI：

摘要

针对复杂人体活动识别使用的传感器类型单一、识别率不高的难题，提出了一种基于智能可穿戴设备的复杂人体活动识别方法。由于智能可穿戴设备中融合了高精度的弹性弯曲传感器，可以弥补传统仅基于惯性传感器识别设备的不足，实现人体活动时关节弯曲度、以及运动加速度和角速度全方位捕捉。结合能够有效捕捉局部特征的卷积神经网络(CNN)模型和全局特征的Transformer模型，能够实现更高的识别率。实验结果表明：该方法在所设计的13种活动中实现了98.89%的识别率，并且由于设备易于穿戴，在智慧医疗、运动监测等领域有着广阔的应用场景。

Abstract

关键词

Keywords

references

Vision-based human activity recognition: a survey[J]. Beddiar Djamila Romaissa;Nini Brahim;Sabokrou Mohammad;Hadid Abdenour.Multimedia Tools and Applications,2020

智能家居中的居民日常行为识别综述[J]. 刘勇;谢若莹;丰阳;王亚辉;刘亚清.计算机工程与应用,2021(04)

基于注意力模型的多传感器人类活动识别[J]. 王金甲;周雅倩;郝智.计量学报,2019(06)

基于多传感器的人体行为识别系统[J]. 周林;雷丽平;杨龙频.传感器与微系统,2016(03)

基于视觉的人体动作识别综述[J]. 胡琼;秦磊;黄庆明.计算机学报,2013(12)

一种基于压力传感器的人体运动识别方法研究[J]. 石欣;熊庆宇;雷璐宁.仪器仪表学报,2010(06)

浏览量

340

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于无阈值递归图和CNN-LSTM的人体活动识别算法

基于智能AI的传感器应用

一种新型注意力机制的双人交互行为识别方法

面向校园场景视频监控的人体行为识别方法

基于深度学习的散斑图应变场测量