《表3 与传统算法实验结果对比Tab.3 Comparison of experimental results with traditional algorithms》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《单传感器数据驱动的人体日常短时行为识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

WARD1.0中有三种静态行为，站立、坐和躺，考虑到该算法针对动态行为，且推轮椅的动作与其他行为的区别更多表现在手部传感器上，所以在实验对比中，增加一组实验，将WARD1.0中静止行为和推轮椅去掉，剩下九种行为进行实验。结果如表4所示。可以发现，在自采集数据集中即使将传感器的数量由五个降到一个，且窗口长度减少到0.3 s，识别结果依然很好。在WARD数据集中，区分13种动作量由五个降到一个，且窗口长度减少到0.3 s，识别结果依然很好。在WARD数据集中，区分13种动作的效理想，区分九种动态行为结果提升，而且考虑到传感器的数量由五个降到一个，依然能够说明，笔者的算法不仅大大简化穿戴设备，对短时行为的识别效果良好。