面向人体行为识别的深度特征学习方法比较

• 作者: 何军 匡晓华 周媛 胡昭华
• 来源期刊: 计算机应用研究
• 关键词: 深度学习 行为识别 序列数据分类 深度卷积神经网络 长短期时间记忆网络
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2815-2817,2822
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.09.059

摘要

针对人体行为识别问题,比较了两种基于智能手机惯性加速度传感器数据的深度特征学习方法.先将传感器数据进行重叠加窗的预处理;然后将带标签的样本数据直接输入深度网络模型中,通过端到端的特征学习,最终输出行为分类结果.通过对比深度卷积神经网络、长短期记忆网络两种深度学习方法在公开网站UCI的机器学习知识库的人体行为识别数据集上的识别效果.实验结果表明,采用Dropout深度卷积神经网络特征学习方法识别准确率为90.98％,是一种有效的深度特征学习方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周媛	南京信息工程大学电子与信息工程学院	22	157	7.0	12.0
5	胡昭华	南京信息工程大学电子与信息工程学院	29	203	9.0	13.0
9	何军	南京信息工程大学电子与信息工程学院	24	185	9.0	13.0
13	匡晓华	南京信息工程大学电子与信息工程学院	1	8	1.0	1.0