HC-SR501人体红外模块资料比较全，有用的。

本文描述了一种人体红外检测的设计方案，该方案基于瑞萨RL78G10单片机实现控制

目前深度学习模型不能较好地把监控视频中跌倒行为的空间和时序特征有效结合起来。为此，提出基于CNN和LSTM(混合模型的人体跌倒行为识别方法

人体活动识别是上下文感知系统及其应用中一个具有挑战性的研究问题。目前，关于人体活动识别的研究主要使用一些基于监督学习或半监督学习的统计方法来构建识别模型。然而，考虑到识别活动类型本身具有的复杂性和多样性，当前的人体活动识别系统不能取得较好的识别效果。针对这一问题，通过智能手机的三维加速度和陀螺仪传感器信息来提取人体活动的特征向量，选择四种典型的统计学习方法（分别是K-近邻算法、支持向量机、朴素贝叶斯网络以及基于朴素贝叶斯网络的AdaBoost算法）分别创建人体活动的识别模型，最后通过模型决策得到最优的人体活动识别模型。实验结果表明，通过模型决策选择的识别模型对人体活动识别准确率达到92%，取得很好的识别效果。

本书从乐高积木入手,概述了心理科学,并通过乐高头脑风暴机器人的发展和认知过程来展示心理科学的基本思想。

动员的人体自动测量系统具有高移动性，易于操作和合理的精度。 但是，现有系统专注于准确性和鲁棒性，而不是移动性和便利性。 为了克服这一缺点，这项工作提出了一种动员的自动人体测量系统，该系统使用神经网络（MaHuMS-NN）通过监督学习促进总体测量结果。 基于一般回归NN（GRNN）的MaHuMS-NN选择图像，执行图像处理，对图像进行分割并检测轮廓以提取轮廓中的特征点。 系统测量特征尺寸。 这项工作的重要贡献如下。 首先，MaHuMS-NN是Android平台中第一个用于人体测量的智能系统。 其次，与现有系统不同，MaHuMS-NN可以在优化模型进行预测时进行智能调整，并根据个人特征进行自误差校正。 实验结果表明，与现有系统相比，MaHuMS-NN表现出更好的性能，精度小于0.03 m。

详细说明请看 https://blog.csdn.net/qq_35456540/article/details/114793764?spm=1001.2014.3001.5501

在监控场景中，及时发现行人的摔倒并提醒相关工作人员处理能够有效减轻行人的意外摔倒带来的后果，也能够提高相关场所，如商场、地铁，中的服务质量，更好地保护行人的出行安全，最大程度地降低突发事件所带来的危害。​安装环境，提供在免费云gpu上注册及其配置教程，tensorflow13.1 Python3.6 cuda10 里面的word文档有详细介绍。 源码是基于平地的人体姿态的跌倒检测，测试效果视频 由于https://live.csdn.net/v/146229 免费云注册活动暂停 新的免费云注册地址 https://gpushare.com/auth/register?user=18*****1785&fromId=c4100216220&source=link word文档有详细的配置说明下载后有问题加q 568897492

学习人体的资源，密码xyfaka