基于足底压力传感器与深度学习的生物身份识别
近年来研究表明,足底压力可以反映人体的特征,在生物识别上具有广阔的前景.本研究探讨了足底压力进行身份识别的可行性和方法论.本文使用带有8个压力传感器的鞋垫收集了14名志愿者14000多个压力数据作为数据集,利用无监督学习探讨了分类的科学性,并讨论了地面状况对于压力数据的影响.采用卷积神经网络(CNN)作为分类器,对分类性能进行了评价,研究了步态分割和多步态周期对提高精度的影响.实验结果表明,使用分割后的数据分类准确率为98.8%,而没有分割的为93.6%,当使用3个和5个步态周期进行分类时,准确率提升到99.4%和99.8%.结果 表明,用CNN对分割后的数据并选择多个步态周期进行分类在利用足底压力进行身份识别方面具有良好实用价值.
生物识别;卷积神经网络;步态特征;足底压力
42
TH823;TP391.4
科技计划;湖北民族大学高水平科研成果校内培育项目;大学生创新创业训练计划项目
2021-12-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
108-115