VIP20
本课程属于：023-Edge AI多传感器融合推理 工业控制与工业互联网 · 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

边缘AI人体活动识别传感器融合实战项目

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 · 课程结构 · 边缘AI与人体活动识别（HAR）的行…
课程导入学习目标
02
边缘AI基础
边缘计算与云计算的对比 · 边缘AI的硬件平台（MCU · GPU
AI边缘
03
人体活动识别概述
HAR的定义 · 常见活动类别（走路 · 跑步
人体活动识别概述HAR
04
传感器原理与数据采集
IMU传感器的工作原理 · 采样率与分辨率 · 数据采集硬件（如Arduino
传感器原理数据采集
05
数据预处理与清洗
去噪滤波（低通 · 高通 · 带通）
数据预处理清洗
06
特征工程
时域特征（均值 · 方差 · 峰值
特征工程时域特征
07
传感器融合基础
多传感器数据融合的概念 · 融合层级（数据级 · 特征级
传感器融合基础多传感器数据融合…
08
经典机器学习方法
传统分类器（SVM · 决策树 · 随机森林
经典机器学习方法SVM
09
深度学习方法
CNN · LSTM · Transformer在HAR中的应…
深度学习方法CNN
10
边缘AI模型压缩与优化
模型量化（INT8 · FP16） · 剪枝
AI边缘
11
边缘推理框架
TensorFlow Lite Mi… · Edge Impulse · STM32Cube.AI
边缘推理框架TensorFlow
12
实战项目一
基于单IMU的简单HAR系统——数据… · 预处理 · 特征提取
实战项目一IMU
13
实战项目二
多传感器融合HAR——融合加速度计与… · 对比单传感器与融合后的性能
实战项目二HAR
14
实战项目三
实时边缘HAR系统——在ESP32或… · 结果可视化与告警
实战项目三HAR
15
数据标注与数据集构建
公开数据集（如UCI-HAR · WISDM · PAMAP2）的使用
数据标注数据集构建
16
模型评估与验证
交叉验证 · 混淆矩阵 · 精确率/召回率/F1-score
模型评估验证
17
边缘部署优化
内存管理 · 功耗优化 · 模型更新与OTA
边缘部署优化内存管理
18
传感器融合高级方法
卡尔曼滤波 · 互补滤波 · 粒子滤波在姿态估计与活动识别中的应用
传感器融合高级方…卡尔曼滤波
19
多模态融合
结合IMU与心率 · 气压 · GPS等传感器
多模态融合IMU
20
个性化与自适应
用户差异 · 域适应 · 在线学习
个性化自适应
21
常见问题与调试
数据漂移 · 传感器噪声 · 过拟合
常见问题调试
22
边缘AI安全与隐私
数据加密 · 本地推理 · 联邦学习在HAR中的隐私保护
AI边缘
23
综合实战
设计一个完整的边缘AI人体活动识别系… · 硬件选型 · 数据采集
综合实战AI
24
项目优化与性能调优
模型精度与推理速度的权衡 · 硬件加速（DSP · NPU）
项目优化性能调优
25
案例研究
智能穿戴设备中的HAR · 老人跌倒检测 · 工业安全监控
案例研究HAR
26
前沿趋势
Transformer在边缘HAR的… · 自监督学习 · 少样本学习
前沿趋势Transformer
27
课程总结与进阶路径
核心知识点回顾 · 常见误区 · 推荐学习资源与开源项目
课程总结进阶路径
28
实战项目答辩与评审
项目展示 · 代码审查 · 性能评估
实战项目答辩评审
29
扩展项目
基于边缘AI的连续活动识别与能量消耗… · 多用户协同识别
扩展项目AI
30
结课测试与综合练习
理论测试 · 编程练习 · 综合设计题
结课测试综合练习