利用CNN实现室内人行/车行定位方法切换下的行为状态识别

不同运动状态的语义信息,可以为室内定位提供更加丰富的参考从而进一步辅助并提高定位的可用性和高精度性。本文以此为出发点,获取语义信息并基于CNN(convolutionalneuralnetwork)来识别目标体当前的状态行为(选取4种状态：静止、车行、步行和其他),进而为室内定位提供依据不同运动状态实现相应定位切换的方法。以武汉大学某地下停车场为研究区,结果表明,与SVM(supportvectormachines)相比,基于CNN实现行为状态识别能取得更好效果。本研究对室内环境下对所有目标使用单一定位算法实现定位的思想进行了拓展,将室内定位和情景语义进行结合,使得面向用户的定位服务更加智能化、情景化。