基于智能可穿戴设备的复杂人体活动识别方法设计

摘要：

针对复杂人体活动识别使用的传感器类型单一、识别率不高的难题,提出了一种基于智能可穿戴设备的复杂人体活动识别方法.由于智能可穿戴设备中融合了高精度的弹性弯曲传感器,可以弥补传统仅基于惯性传感器识别设备的不足,实现人体活动时关节弯曲度、以及运动加速度和角速度全方位捕捉.结合能够有效捕捉局部特征的卷积神经网络(CNN)模型和全局特征的Transformer模型,能够实现更高的识别率.实验结果表明:该方法在所设计的13 种活动中实现了 98.89%的识别率,并且由于设备易于穿戴,在智慧医疗、运动监测等领域有着广阔的应用场景.

关键词：人体活动识别、智能可穿戴设备、深度学习、弹性弯曲传感器

所属期刊栏目：42

分类号：TP212(自动化技术及设备)

资助基金：国家自然科学基金;浙江省重点研发计划资助项目;中国科学院国际合作局对外合作重点项目

在线出版日期：2023-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：87-89,93