基于深度学习的人体动作识别系统
设计了一个基于深度学习的人体动作识别系统,预先在PC上训练好深度网络模型,并把模型运行在STM32L475VGT6微控制器上,通过6轴姿态传感器LSM6DSL得到实时的加速度和角速度,利用部署好的深度网络对用户姿态进行预测,并把预测结果显示在OLED显示屏上.该系统直接在边缘端完成对动作的识别,具有高效率、低功耗等特点,对以后开发智能可穿戴设备等具有一定的参考价值.
STM32L475VGT6、微控制器、深度学习、动作识别
20
TP3(计算技术、计算机技术)
国家自然科学基金项目;华南理工大学教研项目—结合人工智能技术的嵌入式系统课程体系建设
2020-12-29（万方平台首次上网日期，不代表论文的发表时间）
共5页
10-14
