论文部分内容阅读
设计了一个基于深度学习的人体动作识别系统,预先在PC上训练好深度网络模型,并把模型运行在STM32L475VGT6微控制器上,通过6轴姿态传感器LSM6DSL得到实时的加速度和角速度,利用部署好的深度网络对用户姿态进行预测,并把预测结果显示在OLED显示屏上。该系统直接在边缘端完成对动作的识别,具有高效率、低功耗等特点,对以后开发智能可穿戴设备等具有一定的参考价值。