基于循环神经网络的人体行为识别

• 作者: 姜丽芬 孙华志 宿通通 马春梅
• 来源期刊: 天津师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 行为识别 时序数据 循环神经网络 BLSTM
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 58-62,76
• 页数: 6页
• 分类号: TP212
• 字数: 4699字
• 语种: 中文
• DOI: 10.19638/j.issn1671-1114.20180611

摘要

使用4种类型的循环神经网络模型(RNN、GRU、LSTM、BLSTM)处理手机传感器采集的异构时间序列数据,用于人体行为识别研究.针对4种模型,分别构建自动特征提取方法,并对参数设置进行优化.在公开数据集UCIHAR上进行了行为识别测试实验,实验结果表明,BLSTM模型的识别精度高达95.7％,可以有效地用于行为识别,其识别率和性能优于其他3种循环神经网络,且高于卷积神经网络深度学习方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙华志	天津师范大学计算机与信息工程学院	28	181	8.0	13.0
2	姜丽芬	天津师范大学计算机与信息工程学院	22	201	6.0	14.0
3	马春梅	天津师范大学计算机与信息工程学院	10	8	2.0	2.0
4	宿通通	天津师范大学计算机与信息工程学院	1	4	1.0	1.0