摘要
本发明公开了一种用于步态训练的识别方法,涉及步态识别技术领域。所述方法包括:获取视觉传感器采集的视觉序列和惯性测量单元采集的IMU序列,对视觉序列和IMU序列进行时间基准统一和空间基准统一;将时空基准统一后的视觉序列特征和IMU序列特征输入时空联合校准网络,通过时空联合校准网络对视觉序列特征和IMU序列特征进行时空联合校准和特征融合,得到融合特征;基于融合特征进行步态异常识别,并根据识别结果生成动态反馈信号。本发明通过动态时间规整与空间基准统一实现多模态数据时空校准,结合时空联合校准网络完成跨模态特征深度融合,以实现精准步态异常识别与多模态动态反馈,有效解决了时空对齐误差导致的特征融合失效问题。
技术关键词
序列特征
融合特征
动态反馈机制
关节
视觉传感器
校准
基准
识别方法
动态时间规整算法
习惯
步态识别技术
注意力
空间结构特征
坐标系
矩阵
网络
系统为您推荐了相关专利信息
网络流量预测方法
深度学习模型
时空特征学习
节点
短时交通流预测
人形机器人
腿部结构
升降组件
升降滑杆
升降电机
围岩变形
LSTM神经网络模型
离散单元法
孔隙水压力
火山灰颗粒
时空梯度特征
人体跌倒检测方法
多传感器融合
三维点云数据
人体跌倒检测系统