基于Tiny ML和IMU传感器的步态识别
机器学习
2025-07-25 v1 系统与控制
系统与控制
摘要
本项目介绍了一种使用微型机器学习(Tiny ML)和惯性测量单元(IMU)传感器的步态识别系统的开发。该系统利用XIAO-nRF52840 Sense微控制器和LSM6DS3 IMU传感器，从四种不同的活动中捕获运动数据，包括加速度和角速度：行走、静止、上楼和下楼。收集到的数据通过边缘AI平台Edge Impulse进行处理，该平台能够训练可直接部署到微控制器上进行实时活动分类的机器学习模型。数据预处理步骤包括使用滑动窗口和数据归一化等技术从原始传感器数据中提取相关特征，随后训练深度神经网络(DNN)分类器进行活动识别。该模型在测试数据集上实现了超过80%的准确率，证明了其有效分类四种活动的能力。此外，该平台支持异常检测，进一步增强了系统的鲁棒性。Tiny ML的集成确保了低功耗运行，使其适用于电池供电或能量收集设备。
引用
@article{arxiv.2507.18627,
title = {Gait Recognition Based on Tiny ML and IMU Sensors},
author = {Jiahang Zhang and Mingtong Chen and Zhengbao Yang},
journal= {arXiv preprint arXiv:2507.18627},
year = {2025}
}