基于惯性测量单元的深层步态追踪
机器学习
2022-05-11 v1 信号处理
摘要
本文提出了一种仅使用六轴惯性测量单元(IMU)传感器数据的基于卷积神经网络的足部运动追踪方法。所提出的方法通过采用基于差分和窗口的输入,可适应各种行走条件。通过在 IMU 传感器数据上进行滑动和随机窗口采样,进一步增广训练数据,以增加数据多样性从而提升性能。所提出的方法将三维输出的预测融合到一个模型中。所提出的融合模型在 X 轴可达到 2.30±2.23 cm 的平均误差,在 Y 轴为 0.91±0.95 cm,在 Z 轴为 0.58±0.52 cm。
引用
@article{arxiv.2205.04666,
title = {Deep Gait Tracking With Inertial Measurement Unit},
author = {Jien De Sui and Tian Sheuan Chang},
journal= {arXiv preprint arXiv:2205.04666},
year = {2022}
}
备注
4 pages, 4 figures