基于卷积长短时深度神经网络行为识别方法

• 作者: 王丽君 刘彦戎 王丽静
• 来源期刊: 电子测量与仪器学报
• 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
• 页码范围: 160-166
• 页数: 7页
• 分类号: TP24|TN96
• 语种: 中文
• DOI: 10.13382/j.jemi.B2002929

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％.