基于惯性传感器和LSTM神经网络的人体运动识别方法

• 作者: 佟丽娜 彭亮 马航航
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 人体运动识别 惯性运动信息 LSTM神经网络 时序模型
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 传感器研究
• 页码范围: 1536-1543
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2020.11.002

摘要

面向人体惯性运动捕捉系统,提出一种基于长短期记忆网络(LSTM)的人体运动模式识别方法.设计1个包含2层LSTM层的深度学习神经网络对人体三维加速度信息进行自动特征提取并对多类运动模式进行时序建模,从而实现对运动模式的快速实时识别.实验基于WISDM公开数据集,对人体右腿前口袋部位的三维加速度信息进行分析,验证模型识别人体慢跑、步行、坐、站、上楼、下楼运动过程的准确率为97.5％,并通过对比实验验证了该方法的有效性.为基于移动设备及可穿戴设备的人体运动识别研究提供了一个可行的方法.