CNN-GRU运动模式分类器

楼梯场景准确率95.51%

融合CNN与GRU的外骨骼运动模式分类算法，在楼梯场景下实现高准确率

Yu, Fangli · 郑建彬 · 余烈 · Hui, Xiao · Chen, Qiang · Di, Zhang

Journal of Mechanics in Medicine and Biology 2023

参数信息

分类准确率

95.51 %

技术优势

过渡步态识别更准

CNN提取运动模式特征，GRU提取行走过程中的时间相关性，二者结合提升了分类准确率。

准确率胜过常见模型

与CNN、GRU和LSTM-CNN模型相比，本文CNN-GRU的准确率显著更高，达到95.51%。

应用场景

• 外骨骼：识别楼梯过渡步态，切换控制模式，提升穿戴者行走安全性。
• 可穿戴医疗：用于康复训练中的步态监测，辅助判断患者行走能力。