分类器

为解决非理想条件下的表面肌电稳定识别，如新动作、肌肉疲劳与电极偏移等干扰，中国科学院沈阳自动化研究所研究员赵新刚团队提出了一种自适应混合分类器。相关成果发表在Ieee Transactions on Neural Systems and Rehabilitation Engineering上。 在非理想条件下的表面肌电识别方面，针对日常十个动作的分类，该团队实现了92%的准确率，远高于前人研究

项目概述：基于机器视觉和深度学习的动作识别技术，对身体部位进行分割和关键点识别，通过大量收集到的健身数据训练分类器，对用户健身动作分类并计数。可为客户定制个性化方案以及多维度数据的分析与跟踪，指导用户通过虚拟健身教练随时随地进行正确健身运动。 基于机器视觉和深度学习的动作识别技术，对身体部位进行分割和关键点识别，通过大量收集到的健身数据训练分类器，对用户健身动作分类并计数