基于智能手机感知的人体运动状态深度识别
为提高智能手机对人体运动状态识别的准确率,提出一种基于并联卷积神经网络(PCNN)的深度识别方法.首先,使用三维数据矩阵规范传感器数据输入格式;其次,使用2个PCNN分别对人体运动的加速度传感器和陀螺仪数据进行卷积和池化操作,实现部分权重共享;最后,在全连接层对两组卷积神经网络进行合并,并使用softmax函数对人体运动状态进行分类.实验结果表明,采用该方法可以从传感器原始数据中提取人体运动状态的深层特征,与传统的机器学习方法相比较,提高了运动状态的识别率.
运动状态、深度识别、智能手机、并联卷积神经网络
42
TP183;TP391.4(自动化基础理论)
国家自然科学基金青年基金项目61602382;陕西省创新团队基金项目2018TD-026;安徽省高校自然科学研究资助项目KJ2015A290,KJ2017A579
2019-08-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
43-50