基于足底压力中心轨迹深度学习的步态识别
定量方法
2020-08-10 v3 机器学习
神经元与认知
机器学习
摘要
每个人都具有独特的行走风格，这一事实促使人们提出将步态识别作为身份识别准则。利用端到端学习，我研究了压力中心轨迹是否足够独特以高置信度识别个人。三十六名成年人在配备力平台的跑步机上行走，该平台记录了压力中心的位置。原始二维信号被切片为两个步态周期的片段。来自30名受试者的20,250个片段集合用于配置和训练卷积神经网络（CNNs）。最佳CNN以99.9%的总体准确率对包含2,250个片段的独立集合进行了分类。随后，来自其余六名受试者的第二组4,500个片段被用于迁移学习。从该集合中随机选取若干小型子样本进行微调。每名受试者仅用两个片段训练即足以达到100%准确率。结果表明，每个人都产生独特的脚下压力轨迹，且CNN能够学习这些轨迹的区分性特征。利用迁移学习，少量步幅即可足以学习并识别新步态。
引用
@article{arxiv.1908.04758,
title = {Gait recognition via deep learning of the center-of-pressure trajectory},
author = {Philippe Terrier},
journal= {arXiv preprint arXiv:1908.04758},
year = {2020}
}
备注
A revised and augmented version of this preprint has been published in the journal Applied Sciences in January 2020