基于SVM的行人步态实时分类方法

被引：19

作者：

吴哲君

赵忠华

唐雷

机构：

[1] 上海交通大学仪器科学与工程系

来源：

电子测量技术 | 2015年 / 38卷 / 07期

关键词：

支持向量机; 步态分类; 快速傅里叶变换; 数据降维;

D O I：

10.19651/j.cnki.emt.2015.07.010

中图分类号：

TP181 [自动推理、机器学习]; TP391.41 [];

学科分类号：

080203 ;

摘要：

针对行人行走和跑步步态差异会影响行人定位精度的问题,提出一种基于支持向量机(support vector machine,SVM)的步态实时分类方法,将行人步态分为行走和跑步2类。行人步态原始数据由安装于足部的加速度计和陀螺仪提供,通过对原始数据进行坐标系转换、快速傅里叶变换(fast fourier transform,FFT)和数据降维等步骤建立SVM的训练数据输入量。算法采用测试多组匀速或变速的行走和跑步数据进行实验验证,以支持向量空间中的高斯分布作为判断依据。结果表明,SVM的实时分类成功率达到98.6%以上。

引用

页码：41 / 44

页数：4

共 9 条

[1] 基于HRM特征提取和SVM的目标检测方法
刘松松
张辉
毛征
孟博
李昂
[J]. 国外电子测量技术, 2014, 33 (10) : 38 - 41
[2] 基于SVM的永磁直驱风电系统滑模变桨距控制
秦斌
姜学想
周浩
朱万力
王欣
[J]. 仪器仪表学报, 2014, 35 (07) : 1525 - 1531
[3] 基于惯性传感的人员行进动作识别方法
汪少初
刘昱
郝文飞
刘开华
路文平
[J]. 电子测量与仪器学报, 2014, 28 (06) : 630 - 636
[4] 基于MIMU的适应多步态的步行导航算法附视频
马晓龙
潘献飞
胡小平
唐康华
[J]. 导航与控制, 2014, (02) : 1 - 6+38
[5] 基于SVM的山体滑坡灾害图像识别方法
魏星
[J]. 电子测量技术, 2013, 36 (08) : 65 - 70
[6] Novel linear search for support vector machine parameter selection[J]. Hong-xia PANG , Wen-de DONG, Zhi-hai XU, Hua-jun FENG , Qi LI, Yue-ting CHEN (State Key Laboratory of Optical Instrumentation, Zhejiang University, Hangzhou 310027, China).Journal of Zhejiang University-Science C(Computers & Electronics). 2011(11)
[7] The new interpretation of support vector machines on statistical learning theory
ZHANG ChunHua TIAN YingJie DENG NaiYang School of Information Renmin University of China Beijing China Research Center on Fictitious Economy and Data Science Chinese Academy of Sciences Beijing China College of Science China Agricultural University Beijing China
[J]. ScienceinChina(SeriesA:Mathematics), 2010, 53 (01) : 151 - 164
[8] Algorithm for pedestrian navigation combining IMU measurements and gait models
Davidson P.
Takala J.
[J]. Gyroscopy and Navigation, 2013, 4 (2) : 79 - 84
[9] Gait phase detection and discrimination between walking–jogging activities using hidden Markov models applied to foot motion data from a gyroscope[J] . Andrea Mannini,Angelo Maria Sabatini.Gait & Posture . 2012 (4)

← 1 →