资料下载
×
如何使用多分类器融合进行步态识别方法的资料说明
消耗积分:0 |
格式:rar |
大小:1.17 MB |
2019-03-27
分享资料个
为了提高现有基于智能手机加速度传感器步态身份识别的性能，提出了一种基于多分类器融合（ MCF）的识别方法。首先，针对现有方法所提取的步态特征较为单一的问题，对单个步态周期提取相对匀变加速度的速度变化量，以及单位时间内加速度变化量作为两类新特征（共16个）;其次，将新特征结合常用的时域、频域特征组成新的特征集，用于训练识别效果与训练时间俱佳的多个分类器;最后，采用多尺度投票法（MSV）对多分类器的输出进行融合处理，得到最终的分类结果。为了检测该方法的性能，采集了32个志愿者的步态数据。实验结果表明，新特征对于单个分类器的识别率平均提升5.95个百分点，最终通过MSV融合算法的识别率为97. 78%。
人类的步态包含非常独特的模式，可用于身份的识别和验证。传统的基于可穿戴式传感器步态身份识别都是通过在人体固定部位捆绑专用传感器采集步态数据”;近年来，智能手机的快速普及其及功能的不断发展，使在不影响用户正常工作、学习和生活的情况下，利用智能手机内置的加速度传感器对用户进行步态身份识别变为可能21。。但是由于智能手机种类繁杂、内置加速度传感器性能差异较大等因素，都使得最终采集到的数据差异较大，识别的难度大，从而直接影响识别的准确率和可信度。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
