-
公开(公告)号：CN112738712A
公开(公告)日：2021-04-30
申请号：CN202011579642.3
申请日：2020-12-28
Applicant: 燕山大学
Abstract: 本发明公开了一种基于区域划分的室内定位方法，涉及室内定位技术领域，本发明首先利用移动设备对信号进行采集，利用采集到的信息将其和地理位置一一对应，建立离线位置指纹数据库，然后进行分区，并从离线指纹数据库提取对应区域参考点指纹数据构建区域指纹数据库，利用区域内部生成的随机参考点和测试点指纹相似度进行最优区域选择，实现粗定位，并在粗定位区域内部采用KNN算法得到K个参考点，利用信号传播模型对参考点进行缩减得到最优参考点，最终利用最优参考点实现精准定位。本发明利用信号强度进行实时定位，成本低，鲁棒性好，定位系统稳定，精度高，操作简单方便。
-
公开(公告)号：CN112613388A
公开(公告)日：2021-04-06
申请号：CN202011504971.1
申请日：2020-12-18
Applicant: 燕山大学
Abstract: 本发明公开了一种基于多维特征融合的人员跌倒检测方法，属于行为识别技术领域，其方法为利用安装在房间的侧壁上的红外阵列传感器进行数据的采集、之后进行数据的预处理以及干扰去除、使用滑窗算法与典型关联分析算法（CCA）相结合的思想进行特征的提取与融合、最后利用机器学习算法实现人员跌倒的准确识别。本申请通过采用将红外阵列传感器安装在侧壁上的数据采集方式，增大了其检测区域的同时提出了新的跌倒过程的特征，提高了其使用价值；使用滑窗算法与典型关联分析算法相结合的思想进行特征的提取与融合，提高了跌倒检测的精度。
-
公开(公告)号：CN112613388B
公开(公告)日：2022-08-30
申请号：CN202011504971.1
申请日：2020-12-18
Applicant: 燕山大学
Abstract: 本发明公开了一种基于多维特征融合的人员跌倒检测方法，属于行为识别技术领域，其方法为利用安装在房间的侧壁上的红外阵列传感器进行数据的采集、之后进行数据的预处理以及干扰去除、使用滑窗算法与典型关联分析算法（CCA）相结合的思想进行特征的提取与融合、最后利用机器学习算法实现人员跌倒的准确识别。本申请通过采用将红外阵列传感器安装在侧壁上的数据采集方式，增大了其检测区域的同时提出了新的跌倒过程的特征，提高了其使用价值；使用滑窗算法与典型关联分析算法相结合的思想进行特征的提取与融合，提高了跌倒检测的精度。
-
公开(公告)号：CN112738712B
公开(公告)日：2022-03-11
申请号：CN202011579642.3
申请日：2020-12-28
Applicant: 燕山大学
Abstract: 本发明公开了一种基于区域划分的室内定位方法，涉及室内定位技术领域，本发明首先利用移动设备对信号进行采集，利用采集到的信息将其和地理位置一一对应，建立离线位置指纹数据库，然后进行分区，并从离线指纹数据库提取对应区域参考点指纹数据构建区域指纹数据库，利用区域内部生成的随机参考点和测试点指纹相似度进行最优区域选择，实现粗定位，并在粗定位区域内部采用KNN算法得到K个参考点，利用信号传播模型对参考点进行缩减得到最优参考点，最终利用最优参考点实现精准定位。本发明利用信号强度进行实时定位，成本低，鲁棒性好，定位系统稳定，精度高，操作简单方便。
-
-
-
Search Results
4
records
(took 0.022 seconds)
