文献类型：期刊文章

作　　者：陈馨瑶[1] 张天荣[2] 朱雪芬[2] 莫路锋[1,2]

CHEN Xinyao;ZHANG Tianrong;ZHU Xuefen;MO Lufeng(School of Information Engineering,Zhejiang A&F University,Lin’an 311300,China;Information and Educational Technology Center of Zhejiang A&F University,Lin’an 311300,China)

机构地区：[1]浙江农林大学信息工程学院,浙江临安311300 [2]浙江农林大学信息与教育技术中心,浙江临安311300

出　　处：《传感器与微系统》

基　　金：浙江省自然科学基金资助项目(LY18F020010);浙江省公益技术研究工业项目(2015C31004);浙江省重点研发计划资助项目(2017C03047)。

年　　份：2021

卷　　号：40

期　　号：1

起止页码：136-139

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：可穿戴设备的人体行为识别研究通常是提取传感器数据的特征值,然后结合分类算法识别人体行为动作。针对特征提取与分类器问题,提出一种融合模型的人体行为识别方法(HBRM)。首先将加速度传感器采集的数据转换为二维张量格式,然后结合卷积神经网络(CNN)提取张量的特征,同时考虑到人体行为动作在时间序列上前后具有较强的关联性,提出利用长短期记忆(LSTM)网络进行人体行为动作的识别。由于卷积神经网络在特征提取方面具有较好的性能,且长短期记忆模型擅长处理时间序列问题,因此将这两种模型进行融合理论上具有较好的效果。在WISDM数据集上进行实验,结果表明:该方法对六种人体行为动作的平均识别率达到了96.95%。

关 键 词：深度学习  行为识别  融合模型  卷积神经网络 长短期记忆网络  

分 类 号：TP212.9]