使用3D运动传感器的姿势和跌倒检测系统 这项工作提出了一种监督学习方法，用于训练姿势检测分类器，并使用Microsoft Kinect v2传感器使用姿势分类结果作为输入来实施跌倒检测系统。 Kinect v2骨架跟踪为25个身体部位提供3D深度坐标。 我们使用这些深度坐标来提取七个特征，这些特征包括对象的高度和某些身体部位之间的六个角度。 然后将这些特征输入到完全连接的神经网络中，该神经网络输出对象的三种已考虑姿势之一：站立，坐着或躺下。 在由多个对象组成的测试数据上，所有三种姿势的平均分类率均达到99.30％以上，这些对象大部分时间甚至没有面对Kinect深度相机，并且位于不同的位置。 这些结果表明，采用提议的设置对人体姿势进行分类的可行性与对象在房间中的位置以及3D传感器的方向无关。 系统演示请观看Posture_fall_detection_demo.mp4视频，以了解姿势和跌倒

找 关键字：室内GPS，WiFi定位，室内地图，室内导航，室内定位 有一个新版本 。 它对此版本进行了。 关于 内部导航和发现框架（ FIND ）允许您使用（Android）智能手机或支持WiFi的计算机（笔记本电脑或Raspberry Pi等）确定您在家庭或办公室中的位置。 您可以轻松地使用此系统代替运动传感器，因为它的分辨率可以使您的手机区分您是在客厅，厨房还是卧室等。然后可以通过多种方式使用位置信息，包括在家中自动化，寻路或跟踪！ 简单地说，FIND将让你与一个单一的智能手机取代万吨运动传感器！ 该系统基于两个主要组件-和指纹识别设备。 指纹设备（或 ）将指定的数据发送到机器学习服务器，该服务器存储指纹并进行分析。 然后，它将结果返回到设备，并将结果存储在服务器上，以通过Web浏览器访问或通过挂钩触发。 常见问题解答（缩写） ： 它是如何工作的？ 它使用已经可用的WiFi信