科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统的非足部基于人员轨迹盲推的室内定位(Pedestrian Dead Reckoning, PDR)方法仅适合单个行为条件下的定位，无法适应真实定位场景的问题，提出了一种基于深度行为分类的人员轨迹盲推方法。该方法首先利用基于循环神经网络(Recurrent Neural Network, RNN)的深度学习进行人员行为分类，并且根据分类结果(手持条件下、口袋中、自由晃动)设计不同的模型进行迈步检测、步长估计和航向估计，从而对人员的位置进行估计。实测实验验证了所提方法的有效性，其行为识别的准确率达到98%,并且相比于两种传统的单一行为定位方法，定位精度分别提高了1.7 m和2.3 m。
-
单位通信与信息工程学院; 重庆邮电大学移通学院
