基于足底压力信息的跌倒姿态聚类识别方法

为了进一步提高基于足底压力传感器的老年跌倒检测系统的识别率,以及准确地判断人体跌倒方向,提出了利用自组织映射神经网络(SOM)和足底压力传感信息对人体动作进行聚类分析的方法。为了验证SOM方法的识别效果,采取包含跌倒在内的13类常见动作的130个样本对训练好的SOM网络进行测试。测试结果表明,系统灵敏度、特异度及准确度分别为92.5%、93.3%、93.1%,其结果均优于常用的阈值法。综上,SOM方法对人体跌倒姿态识别具有较高的可靠性和准确度。

一种可用于入侵防范的步态识别方法研究

提出一种可用于入侵防范系统中的步态识别方法。该方法以足底压力信息为基础,采用卷积神经网络模型进行步态特征提取。首先,用压力测试板采集行人的足底压力信息并作相应的预处理;然后,结合K均值聚类和卷积神经网络方法的自学习特性得到足底压力信息的特征表示;最后,对所获得的特征表示进行分类识别。在典型数据集上的比较试验表明了该算法的有效性。

一种可用于入侵防范的步态识别方法研究

随着对信息安全的要求越来越高,对变电站巡检检修及相关运维工作过程中区域入侵防范的技术研究就很有必要。提出了一种可用于入侵防范系统中的步态识别方法,该方法以足底压力信息为基础,采用卷积神经网络模型进行步态特征提取。首先用压力测试板采集行人的足底压力信息并作相应的预处理;结合K均值聚类和卷积神经网络方法的自学习特性得到足底压力信息的特征表示;对所获得的特征表示进行分类识别。在典型数据集上的比较试验表明了该算法的有效性。