Select Language

AI社区

公开数据集

人类活动识别数据库 由佩戴智能手机的用户收集

人类活动识别数据库 由佩戴智能手机的用户收集

24.5M
493 浏览
0 喜欢
3 次下载
0 条讨论
OCR/Text Detection Classification

人类活动识别数据库是根据30名研究参与者的记录而建立的,他们在进行携带日常生活中活动(ADL)的同时携带了带有嵌入式惯性传感......

数据结构 ? 24.5M

    Data Structure ?

    * 以上分析是由系统提取分析形成的结果,具体实际数据为准。

    README.md

    人类活动识别数据库是根据30名研究参与者的记录而建立的,他们在进行携带日常生活中活动(ADL)的同时携带了带有嵌入式惯性传感器的腰部安装智能手机。目的是将活动分类为已执行的六个活动之一

    实验说明

    实验是由一组30名志愿者组成的,年龄在19-48岁之间。每个人都在腰部佩戴智能手机(三星Galaxy S II)进行六项活动(*步行,*步行上层楼,*步行到楼下,*坐下,*站立,*躺下)。使用其嵌入式加速度计和陀螺仪,我们以50Hz的恒定速率捕获了3轴线性加速度和3轴角速度。实验已被录像,以手动标记数据。获得的数据集已随机分为两组,其中选择了70%的志愿者来生成训练数据,而选择了30%的测试数据。

    通过应用噪声滤波器对传感器信号(加速度计和陀螺仪)进行预处理,然后在2.56秒和50%重叠(128个读数/窗口)的固定宽度滑动窗口中进行采样。使用巴特沃斯低通滤波器将具有重力和人体运动分量的传感器加速度信号分离为人体加速度和重力。假定重力仅具有低频分量,因此使用了具有0.3 Hz截止频率的滤波器。通过从时域和频域计算变量,可以从每个窗口中获取特征向量。

    属性信息

    对于数据集中的每个记录,提供以下内容:

    • 加速度计的三轴加速度(总加速度)和估算的车身加速度。

    • 陀螺仪的三轴角速度。

    • 具有时域和频域变量的561特征向量。

    • 它的活动标签。

    • 进行实验的受试者的标识符。

    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。
    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:5 去赚积分?
    • 493浏览
    • 3下载
    • 0点赞
    • 收藏
    • 分享