基于智能手机感知的人体运动状态深度识别

• 作者: 何娟 夏启寿 殷晓玲 陈峰 陈晓江
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 运动状态 深度识别 智能手机 并联卷积神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 论文
• 页码范围: 43-50
• 页数: 8页
• 分类号: TP183|TP391.4
• 语种: 中文
• DOI: 10.13190/j.jbupt.2018-221

摘要

为提高智能手机对人体运动状态识别的准确率,提出一种基于并联卷积神经网络(PCNN)的深度识别方法.首先,使用三维数据矩阵规范传感器数据输入格式;其次,使用2个PCNN分别对人体运动的加速度传感器和陀螺仪数据进行卷积和池化操作,实现部分权重共享;最后,在全连接层对两组卷积神经网络进行合并,并使用softmax函数对人体运动状态进行分类.实验结果表明,采用该方法可以从传感器原始数据中提取人体运动状态的深层特征,与传统的机器学习方法相比较,提高了运动状态的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈峰	西北大学信息科学与技术学院	83	358	12.0	16.0
2	夏启寿	西北大学信息科学与技术学院	29	126	7.0	10.0
4	陈晓江	西北大学信息科学与技术学院	65	696	13.0	25.0
5	殷晓玲	西北大学信息科学与技术学院	20	60	4.0	7.0
11	何娟	西北大学信息科学与技术学院	2	3	1.0	1.0