基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的人员行为识别中,通过人工特征对人员行为进行分类.这些方法仅能够利用较浅层次的特征,其识别准确率有限.提出通过卷积长短时深度神经网络(convolutional long short-term deep neural networks,CLDNN)进行人员行为识别,并用新的GRU门控单元代替传统的LSTM门控单元提高网络效率.利用该网络结构,既可提取惯性数据中多层次特征,也可充分利用时间序列相关性.通过开源数据集的实验证明,该方法相比于传统的卷积网络和基于LSTM门控循环神经网络的识别准确率分别提高了约3%和7%;用GRU门控单元代替LSTM单元后,所需的训练时间和前向的识别时间分别下降了14%和10%.
推荐文章
构建多尺度深度卷积神经网络行为识别模型
卷积神经网络
深度学习
人体行为识别
计算机视觉
多尺度
一种改进深度卷积神经网络的海岛识别方法
深度卷积神经网络
遥感影像
海岛识别
卷积运算
基于深度神经网络的sEMG手势识别研究
表面肌电信号
手势识别
MYO臂环
卷积神经网络
基于3D卷积神经网络的人体行为识别方法
人体行为识别
3D卷积神经网络
深度学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积长短时深度神经网络行为识别方法
来源期刊 电子测量与仪器学报 学科
关键词 人员行为识别 惯性数据 深度神经网络
年,卷(期) 2020,(9) 所属期刊栏目 学术论文|PAPERS
研究方向 页码范围 160-166
页数 7页 分类号 TP24|TN96
字数 语种 中文
DOI 10.13382/j.jemi.B2002929
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (19)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人员行为识别
惯性数据
深度神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子测量与仪器学报
月刊
1000-7105
11-2488/TN
大16开
北京市东城区北河沿大街79号
80-403
1987
chi
出版文献量(篇)
4663
总下载数(次)
23
总被引数(次)
44770
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导