基于SVM的行人步态实时分类方法

摘要

针对行人行走和跑步步态差异会影响行人定位精度的问题,提出一种基于支持向量机(support vector machine,SVM)的步态实时分类方法,将行人步态分为行走和跑步2类。行人步态原始数据由安装于足部的加速度计和陀螺仪提供,通过对原始数据进行坐标系转换、快速傅里叶变换(fast fourier transform,FFT)和数据降维等步骤建立SVM的训练数据输入量。算法采用测试多组匀速或变速的行走和跑步数据进行实验验证,以支持向量空间中的高斯分布作为判断依据。结果表明,SVM的实时分类成功率达到98.6%以上。