摘自《基于移动终端的人体姿态检测技术研究与实现》袁环宇 学位论文
1、重庆大学的何理通过提取加速度传感器数据和传感器倾角方向进行摔倒检测算法研究,提出了一种基于时域特征的阈值判定算法。还通过快速傅里叶变换和离散余弦变换将问题转到频域进行分析,并使用支持向量机算法分析频域特征,提出了一种基于频域特征的阈值判定算法,摔倒检测准确率达到 95%[[9];
2、厦门大学的熊富海使用深度学习方法处理传感器数据,融合 CNN 和 RNN,提出了 CRNN 模型,并通过改变卷积维度,提出了变维卷积模型,在公开数据集上取得了非常好的效果[12];
3、人体姿态检测是一个数据分类问题,这类问题的研究主要分为训练过程和预测过程两个大部分。
4、普通人走路的步频在[90,130]步/分钟以内,即至少 1.5 步/秒。考虑到节奏较慢的人如老年人和残疾人,以下限的 50%为最低速度,即 0.75 步/秒。