首页|基于可穿戴惯性传感技术的人体步态阶段识别

基于可穿戴惯性传感技术的人体步态阶段识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
为了实现基于可穿戴惯性传感技术的人体步态阶段识别,开发了基于特征选择的人体步态阶段识别模型、基于时间比例优化的人体步态阶段识别模型和基于机器学习多数据类型、多特征、多分类器的人体步态阶段识别模型,并对比了3种模型的步态阶段识别效果.结果表明:基于特征选择的人体步态阶段识别模型的平均识别准确率为73.66％;基于时间比例优化的人体步态阶段识别模型的平均识别准确率为90.96％;利用脚背处俯仰角数据和加速度数据训练得到的基于机器学习的人体步态阶段识别模型的平均识别准确率分别为97.04％、86.80％;针对不同的步态阶段和使用场景,可差异化选择不同的识别方法以获得理想的识别效果;综合采用时间比例优化算法和机器学习方法可以获得较高的综合识别准确率.该研究可为进一步开展基于可穿戴式传感器的人体行为相关研究提供参考.
Human gait phase recognition based on wearable inertial sensing technology
In order to realize recognition of human gait phases based on wearable inertial sensing technolo-gy,the human gait phase recognition models based on feature selection,time proportion optimization,and machine learning with multiple data types,multiple features,and multiple classifiers were developed to rec-ognize the human gait phases,and the recognition effect of the three models are compared.The results show that the average accuracy of human gait phase recognition based on feature selection is 73.66％,on time proportion optimization is 90.96％,and on machine learning models trained with pedal pitch angle data and acceleration data is 97.04％and 86.80％,respectively.Different recognition methods can be selectively used according to different human gait phases and application scenarios to achieve desired recognition effects.The comprehensive use of time proportion optimization algorithm and machine learning methods can achieve high comprehensive recognition accuracy.The paper provides a reference for further research on human behavior based on wearable sensors.

human gait phase recognitionwearable inertial sensing technologyfeature selectiontime pro-portion optimizationmachine learning

陈斯琪、寇俊辉、陈小路、吴铭渝、付国荣、郭良杰

展开 >

中国地质大学(武汉)工程学院,湖北 武汉 430074

湖北省自然灾害应急技术中心,湖北 武汉 430064

烟台汽车工程职业学院,山东 烟台 265500

岩土钻掘与防护教育部工程研究中心,湖北 武汉 430074

展开 >

人体步态阶段识别 可穿戴惯性传感技术 特征选择 时间比例优化 机器学习

湖北省安全生产专项资金科技项目武汉市科技局知识创新专项曙光计划项目中央高校基本科研业务费专项资金项目

SJZX202309042022020801020209

2024

10.13578/j.cnki.issn.1671-1556.20221657

安全与环境工程
中国地质大学

安全与环境工程

CSTPCD北大核心
影响因子：1.03
ISSN：1671-1556
年,卷(期)：2024.31(4)
  • 9