基于多模型融合的人体行为识别模型

摘要：

对用户的行走、上楼、下楼、静坐、站立、躺下6种行为状态产生的陀螺仪传感器数据进行研究.通过分析局部时间段内用户的状态信息,扩充样本数据维度,将卷积神经网络模型和长短期记忆网络模型相结合,构建特征提取器,使用线性支持向量机完成分类工作.行为识别精度达到99.4％以上,每一种的行为状态识别精度均超过98％.相比于多层感知机、卷积神经网络以及长短期记忆网络,平均识别精度提升了1％-2％.相比传统的机器学习算法,例如贝叶斯、支持向量机、决策树等,平均识别精度提升了3％-4％.

关键词：卷积神经网络、长短期记忆网络、人体行为识别、深度学习、模型融合

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：2018年度大学生创新创业训练计划基金项目201810270167

在线出版日期：2019-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3030-3036