一种改进的GRU-InFCN人体行为识别模型

• 作者: 张朝旭 武一 田小森
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 行为识别 多尺度卷积神经网络 循环神经网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 199-204
• 页数: 6页
• 分类号: TP391
• 字数: 4660字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.01.033

摘要

为了克服传统机器学习方法在采用传感器数据进行人体行为识别领域上识别效果对人工特征选取依赖严重、识别准确率不高等问题,提出一种改进的全卷积神经网络和多层循环神经网络并联的深度学习模型(GRU-InFCN),并对传感器数据特征进行自动提取,实现人体动作的识别.该模型通过多尺度卷积神经网络和双层GRU网络(Gated Recurrent Unit,GRU)分别对传感器数据进行特征提取,将特征矩阵在矩阵维度上进行特征拼接再通过Softmax完成特征分类.实验结果表明,在开源人体行为识别(HAR)数据集上采用该方法进行人体行为识别,准确率达到了97.76％.该模型在取得高准确率的同时,避免了复杂的信号预处理和特征工程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武一	河北工业大学电子信息工程学院	69	379	10.0	15.0
2	田小森	河北工业大学电子信息工程学院	2	0	0.0	0.0
3	张朝旭	河北工业大学电子信息工程学院	2	0	0.0	0.0