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...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。展开更多
