VIP20
本课程属于：017-TinyML传感器数据建模与时序分类 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

9. TinyML活动识别：步行、跑步与跌倒检测模型

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 适用人群 · 课程结构
课程导入学习目标
02
活动识别基础
人类活动识别（HAR）的定义 · 常见活动类别（步行 · 跑步
活动识别基础HAR
03
传感器与数据采集
加速度计 · 陀螺仪 · 磁力计的工作原理
传感器数据采集
04
数据标注与数据集
公开数据集（如WISDM · UCI-HAR · MobiAct）介绍
数据标注数据集
05
数据预处理
滤波去噪 · 滑动窗口分割 · 特征提取（时域
数据预处理滤波去噪
06
特征工程与降维
常用特征（均值 · 方差 · 峰值
特征工程降维
07
TinyML模型选型
适合MCU的轻量级模型（决策树 · 随机森林 · SVM
TinyML模型选型
08
模型训练与验证
训练集/验证集划分 · 交叉验证 · 混淆矩阵
模型训练验证
09
模型压缩与量化
剪枝 · 权重量化（int8） · 知识蒸馏
模型压缩量化
10
部署平台与工具链
Arduino Nano 33 BL… · ESP32 · STM32等硬件
部署平台工具链
11
端到端实战（一）
使用Edge Impulse采集步行 · 跑步 · 跌倒数据
端到端实战Edge
12
端到端实战（二）
在Arduino Nano 33 B… · 实现实时活动识别与串口输出
端到端实战Arduino
13
跌倒检测专项
跌倒的动力学特征 · 跌倒与日常动作（坐下 · 躺下）的区分
跌倒检测专项跌倒的动力学特征
14
模型优化与调参
超参数调整 · 数据增强 · 学习率调度
模型优化调参
15
实时性与功耗优化
推理延迟 · 内存占用 · 功耗估算
实时性功耗优化
16
多传感器融合
融合加速度计 · 陀螺仪 · 气压计等多源数据提升识别鲁棒性的方法
多传感器融合融合加速度计
17
边缘与云协同
设备端推理与云端再训练 · 联邦学习在活动识别中的初步应用
边缘云协同
18
常见问题与调试
传感器噪声 · 数据漂移 · 模型过拟合
常见问题调试
19
安全与隐私
活动数据的敏感性 · 本地处理优势 · 加密传输与隐私保护设计
安全隐私
20
案例研究
基于TinyML的老年人跌倒监测系统… · 从需求分析到原型实现
案例研究TinyML
21
案例研究
可穿戴运动手环中的步行/跑步识别 · 如何平衡精度与电池寿命
案例研究可穿戴运动手环
22
案例研究
工业场景中工人活动监测（如搬运 · 弯腰）的TinyML方案
案例研究工业场景
23
模型可解释性
特征重要性分析 · LIME/SHAP在TinyML中的… · 帮助理解模型决策
模型可解释性特征重要性分析
24
测试与验证
在真实环境中进行鲁棒性测试 · 包括不同佩戴位置 · 不同用户
测试验证
25
持续学习与自适应
在线学习 · 增量学习 · 模型更新策略
持续学习自适应
26
课程项目（一）
设计一个包含数据采集 · 模型训练 · 部署的完整活动识别系统
课程项目设计一个包含数据…
27
课程项目（二）
实现并优化模型 · 进行系统集成与测试 · 撰写项目报告
课程项目实现并优化模型
28
课程项目（三）
项目展示与答辩 · 评估方案优劣 · 提出改进方向
课程项目项目展示
29
前沿与展望
TinyML在活动识别领域的最新进展… · 神经形态计算） · 未来趋势与职业发展
前沿TinyML
30
课程总结
核心知识点回顾 · 常见误区提醒 · 学习资源推荐与下一步学习路径
课程总结核心知识点回顾