基于深度卷积神经网络的人体动作识别

• 作者: 吴军 肖克聪
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 动作识别 卷积神经网络 深度学习 机器学习 加速传感器
• 年，卷（期）: 2016,（z1）
• 所属期刊栏目: 校园网工程与应用
• 页码范围: 190-194
• 页数: 5页
• 分类号: TP301.6|TP391.4
• 语种: 中文
• DOI: 10.13245/j.hust.16S139

摘要

针对人体动作识别问题，提出一种基于智能手机加速传感器数据并运用深度卷积神经网络进行分类识别的方法，可以有效地分类人体的走、坐、躺、跑、站五类动作．该方法模型由输入层、两层卷积层、两层池化层、一层全连接层和输出层组成，使用滑动窗口折叠法将传感器数据变换为类似于三通道的RGB图像格式，自动提取加速传感器数据的特征，对各个动作进行分类，免去了传统方法繁琐的特征提取工程．该方法在Ac‐titracker开源数据库上达到了0．9126的识别率，验证了该方法的可行性．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴军	北京邮电大学网络技术研究院	9	378	7.0	9.0
2	肖克聪	北京邮电大学网络技术研究院	1	17	1.0	1.0