基于卷积神经网络的足跟着地事件检测算法

李卓容; 王凯旋; 何欣龙; 糜忠良; 唐云祁

doi:doi:10.3788/LOP56.211503

激光与光电子学进展, 2019, 56 (21): 211503, 网络出版: 2019-11-02

基于卷积神经网络的足跟着地事件检测算法下载： 570次

Heel-Strike Event Detection Algorithm Based on Convolutional Neural Networks

李卓容 ¹王凯旋 ¹何欣龙 ¹糜忠良 ²唐云祁 ^1,*

作者单位

¹ 中国人民公安大学刑事科学技术学院, 北京 100038

² 上海市现场物证重点实验室, 上海 200083

图 & 表

图 1. 一个步态周期内的步态事件

Fig. 1. Gait events within a gait cycle

下载图片查看原文

图 2. 2-CSD图样例

Fig. 2. Sample of 2-CSD-map

下载图片查看原文

图 3. 生成CSD-maps算法

Fig. 3. Algorithm for generating CSD-maps

下载图片查看原文

图 4. CSD-maps归一化算法

Fig. 4. Algorithm for normalization of CSD-maps

下载图片查看原文

图 5. 流程框架

Fig. 5. Frame work of process

下载图片查看原文

图 6. n-CSD-maps检测精度折线图

Fig. 6. Line chart of detection accuracy of n-CSD-maps

下载图片查看原文

图 7. PCA+SVM算法的n-CSD-maps检测精度折线图

Fig. 7. Line chart of detection accuracy of n-CSD-maps obtained by PCA+SVM algorithm

下载图片查看原文

图 8. CNN算法与SVM算法检测精度对比柱状图

Fig. 8. Histogram comparison of detection accuracy of CNN and SVM algorithms

下载图片查看原文

图 9. 不同视角的ROC曲线。(a) 54°;(b) 72°;(c) 90°;(d) 108°;(e) 126°

Fig. 9. ROC curves of different angles. (a) 54°; (b) 72°; (c) 90°; (d) 108°; (e) 126°

下载图片查看原文

图 10. 所有视角下的ROC曲线

Fig. 10. ROC curves from all angles

下载图片查看原文

表 1利用6-CSD检测交叉视角精度的混淆矩阵

Table1. Confusion matrix when 6-CSD is used to obtain detection accuracy of cross angle

Angle	54°	72°	90°	108°	126°
54°72°90°108°126°	0.94320.94040.93480.93300.9276	0.92920.95580.93720.92520.9104	0.92740.94480.96500.94860.9028	0.92880.94320.94960.95880.9268	0.92300.93360.94140.94560.9520

查看原文

李卓容, 王凯旋, 何欣龙, 糜忠良, 唐云祁. 基于卷积神经网络的足跟着地事件检测算法[J]. 激光与光电子学进展, 2019, 56(21): 211503. Zhuorong Li, Kaixuan Wang, Xinlong He, Zhongliang Mi, Yunqi Tang. Heel-Strike Event Detection Algorithm Based on Convolutional Neural Networks[J]. Laser & Optoelectronics Progress, 2019, 56(21): 211503.

基于卷积神经网络的足跟着地事件检测算法下载： 570次

图 1. 一个步态周期内的步态事件

Fig. 1. Gait events within a gait cycle

图 2. 2-CSD图样例

Fig. 2. Sample of 2-CSD-map

图 3. 生成CSD-maps算法

Fig. 3. Algorithm for generating CSD-maps

图 4. CSD-maps归一化算法

Fig. 4. Algorithm for normalization of CSD-maps

图 5. 流程框架

Fig. 5. Frame work of process

图 6. n-CSD-maps检测精度折线图

Fig. 6. Line chart of detection accuracy of n-CSD-maps

图 7. PCA+SVM算法的n-CSD-maps检测精度折线图

Fig. 7. Line chart of detection accuracy of n-CSD-maps obtained by PCA+SVM algorithm

图 8. CNN算法与SVM算法检测精度对比柱状图

Fig. 8. Histogram comparison of detection accuracy of CNN and SVM algorithms

图 9. 不同视角的ROC曲线。(a) 54°;(b) 72°;(c) 90°;(d) 108°;(e) 126°

Fig. 9. ROC curves of different angles. (a) 54°; (b) 72°; (c) 90°; (d) 108°; (e) 126°

图 10. 所有视角下的ROC曲线

Fig. 10. ROC curves from all angles

表 1利用6-CSD检测交叉视角精度的混淆矩阵

Table1. Confusion matrix when 6-CSD is used to obtain detection accuracy of cross angle

关于本站 Cookie 的使用提示

全站搜索

基于卷积神经网络的足跟着地事件检测算法 下载： 570次

图 1. 一个步态周期内的步态事件

Fig. 1. Gait events within a gait cycle

图 2. 2-CSD图样例

Fig. 2. Sample of 2-CSD-map

图 3. 生成CSD-maps算法

Fig. 3. Algorithm for generating CSD-maps

图 4. CSD-maps归一化算法

Fig. 4. Algorithm for normalization of CSD-maps

图 5. 流程框架

Fig. 5. Frame work of process

图 6. n-CSD-maps检测精度折线图

Fig. 6. Line chart of detection accuracy of n-CSD-maps

图 7. PCA+SVM算法的n-CSD-maps检测精度折线图

Fig. 7. Line chart of detection accuracy of n-CSD-maps obtained by PCA+SVM algorithm

图 8. CNN算法与SVM算法检测精度对比柱状图

Fig. 8. Histogram comparison of detection accuracy of CNN and SVM algorithms

图 9. 不同视角的ROC曲线。(a) 54°;(b) 72°;(c) 90°;(d) 108°;(e) 126°

Fig. 9. ROC curves of different angles. (a) 54°; (b) 72°; (c) 90°; (d) 108°; (e) 126°

图 10. 所有视角下的ROC曲线

Fig. 10. ROC curves from all angles

表 1利用6-CSD检测交叉视角精度的混淆矩阵

Table1. Confusion matrix when 6-CSD is used to obtain detection accuracy of cross angle

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

基于卷积神经网络的足跟着地事件检测算法下载： 570次