基于CNN-Mogrifier LSTM的人体运动模式识别算法

• 作者: 李浩 于志远 尹业成 闫国栋
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 形变长短时记忆网络 卷积神经网络 人体运动模式识别 惯性测量单元
• 年，卷（期）: 2021,（21）
• 所属期刊栏目: 理论与算法|Theory and Algorithms
• 页码范围: 95-100
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2107170

摘要

随着传感器、微电子等技术的发展,通过可穿戴式传感器对人体的运动模式进行识别,具有广泛的应用价值,如何提高识别的准确率,具有重要研究意义.考虑到人体下肢运动的特点,提出了一种基于CNN和Mogrifier LSTM的人体运动模式识别算法,先利用CNN提取原始数据的局部相关特征,再使用Mogrifier LSTM代替全连接层,挖掘局部相关特征的前后依赖关系,对行走、跑步、上楼梯、下楼梯、上坡和下坡6种常见的运动模式进行识别.实验结果表明,相比于传统LSTM算法,Mogrifier LSTM的准确率提升了1.03％,将CNN和Mogrifier LSTM相结合后,准确率进一步提升了1.17％,达到了98.18％,证明了算法的优越性.