采用运动传感器的人体运动识别深度模型

• 作者: A.ESMAEILI KELISHOMI 滕千礼 蔡忠闽
• 来源期刊: 西安交通大学学报
• 关键词: 运动传感器 人体运动识别 特征自提取 深层混合模型
• 年，卷（期）: 2018,（8）
• 页码范围: 60-66,145
• 页数: 8页
• 分类号: TP301.6|TP391.4
• 语种: 中文
• DOI: 10.7652/xjtuxb201808010

摘要

针对传统机器学习方法在采用运动传感器数据的人体运动识别领域中识别效果严重依赖人工特征且准确率受限的问题,提出一种改进的卷积网络与双层长短期记忆网络的深层混合(VGG-LSTM)模型以实现特征自提取并进行运动识别.该模型结合传感器数据层状、时序的结构特点,将多维传感器数据类比于图像的RGB矩阵进行适应性处理;由一维串联卷积网络与双层长短期记忆网络复合而成.实验结果表明,在开源的人体运动识别(HAR)数据集和无线传感器信息控掘(WISDM)数据集上采用该模型的人体运动识别方法的平均准确率分别达到了97.17％和96.53％,该模型可以有效避免复杂的特征工程,在人体运动识别问题中具有很好的准确性和适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡忠闽	西安交通大学智能网络与网络安全教育部重点实验室	13	346	8.0	13.0
5	滕千礼	西安交通大学智能网络与网络安全教育部重点实验室	1	8	1.0	1.0
9	A.ESMAEILI KELISHOMI	西安交通大学智能网络与网络安全教育部重点实验室	1	8	1.0	1.0