《表1 速度识别的统计特征》
特征选取的目标在于选择最小数目的特征来获取最佳的识别准确性。这就要求我们设计的特征提取模块不要使用过多过于复杂的特征量,这样才能够尽量降低计算复杂度,同时减小内存、能量的消耗。本文选取的65维特征如表1所列。表1中的特征,均值、最大值、最小值表征数据的集中度趋势,理论上来讲,随着行人运动速度的增加,加速度和角速度的单步均值、最大值、最小值会相应的增加;标准偏差、平均绝对偏差、四分位距表征数据的分散规律,也就是用来分析数据是相互接近还是分散,理论上来讲,随着行人运动速度的增加,其数据分散程度会增加;信号幅度区域、平方和(也称之为能量)的特征类似于均值特征,随着行人运动速度的增加,其数据的能量、信号幅度区域将会增加。总体来讲,使用统计特征进行速度估计是因为它们的计算复杂度较低[15],对内存的需求不高,可以满足我们对特征提取模块的要求,同时提高速度估计的效率。
图表编号 | XD007569300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.01 |
作者 | 吴建超、刘昱 |
绘制单位 | 天津大学微电子学院、天津大学微电子学院 |
更多格式 | 高清、无水印(增值服务) |