谈巧玲,吴建宁

(福建师范大学 数学与信息学院,福州 350117)

近年来,基于户外环境获取步态数据构建泛化性能优越的机器学习步态分类模型在步态模式识别研究领域受到广泛关注,对于预防老年人跌倒、老年神经性功能疾病诊疗和康复评价、人体身份鉴别等具有重要意义,已成为目前步态模式识别相关研究领域一个新的研究探索热点[1,2].近年来,随着先进数据采集技术快速发展,一些先进的数据采集技术(诸如,计算机视频、无线雷达、可穿戴传感器等)相继被用来采集户外环境中步态模式数据.诸如,一些学者基于计算机视频采集的步态图像数据,探讨了不同视角环境下的户外人体步态模式识别相关研究[3];另外一些研究学者基于无线雷达装置获取的步态数据,探讨了蕴含微多普勒特征信息的户外环境步态模式识别研究[4];还有一些学者基于可穿戴传感器(加速度计、陀螺仪、磁力计等)的步态数据,探讨了户外环境下的步态模式识别研究[5].研究发现,便宜、便携的可穿戴传感器步态采集技术具有适应不同户外应用场景、蕴含较丰富步态特征信息量等优点,可较好避免计算机视频技术因户外环境、人体穿戴衣物遮挡丢失有价值步态特征信息、无线雷达装置因外界环境干扰丢失无线步态探测信号等局限,有助于提升步态模式识别效能,在近年来相关研究应用较为广泛.

基于可穿戴传感器数据应用机器学习算法探……