Enhanced Indoor Scene Recognition and Localization for Pedestrian Using Minimum Matching Group of Pedestrian Steps

面向复杂空间布局下的场景转换检测与定位，提出基于最小步态匹配组的室内感知框架。

研究概览

室内场景识别与转换检测是行人定位的重要基础。针对传统地标方法在复杂空间布局、多样化行走轨迹及开放式出入口场景中适应性不足的问题，本研究提出一种基于最小步态匹配组（MMG-PS）的室内场景识别与定位框架。

在论文实验设置下，静态场景识别准确率为 88.89%–100%，办公楼与商场中的场景转换识别精确率为 87.50%–100.00%，走廊与大厅的平均定位误差分别为 2.17 m 和 1.34 m。

核心方法

设计了基于五步滑动窗口的 MMG-PS 场景转换识别方法，聚合连续步态的时空特征，降低单步观测误差与短时信号波动的影响。

构建了随机森林驱动的多模态场景识别框架，融合多源传感器特征，采用场景约束余弦相似度实现动态场景转换判别。

提出场景感知 AP 自适应选择策略，分别采用 PCA、ED 算法优化走廊与大厅的 AP 子集，用于改善复杂信号传播环境下的定位结果。

研究成果

静态场景识别准确率达 88.89%–100%，办公楼与商场中场景转换识别精确率达 87.50%–100.00%。

走廊与大厅的平均定位误差分别为 2.17 m 和 1.34 m。