机器学习辅助IMU人体跌倒状态识别
针对单一传感器在人体运动状态监测中误差较大的问题,本文采用了高精度的陀螺加速度计 MPU6050模块.该模块使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,提高测量精度.采用机器学习的方法对样本数据进行分析,获得分类阈值.当人体由静止到跑步或由站立到坐下等状态转移时,加速度也会突然增大,有可能达到跌倒时的阈值.当采集的加速度信息的特征值大于阈值时,通过分析其产生峰值时的加速度值和该时刻及之后的角度变化,来确定是否发生跌倒事件.
姿态角、机器学习、阈值
18
TP23(自动化技术及设备)
2018-08-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
25-28,41