我们利用动态压力中心（COP）数据在平衡板上上下踏步的过程中提高了个人识别准确性。Wii平衡板数据以50Hz重新采样，进行了对数转换，平滑处理（Savitzky-Golay），并根据X轴加速度分为五个部分（S1-S5）。为了减少变异性，仅分析了稳定性（S2）、站立（S3）和跌倒前（S4）阶段。在使用36个特征（包括位置和速度的均值、标准差及偏度）进行的10名受试者实验中，SVM（>99%）和随机森林（>98%）的表现优于XGBoost（∼95%）。SHAP分析确认了S2和S4中的横向动态特征对分类的贡献，显示出高准确性和可解释性。
Kojima等人（Sun,）研究了这个问题。