一种基于卷积神经网络深度学习的人体行为识别方法
为提高基于智能终端的人体行为识别的准确率,提出一种基于卷积神经网络深度学习人体行为识别方法.该方法将原始数据进行简单处理,直接作为输入数据输入到卷积神经网络中,由卷积神经网络进行局部特征分析,得到特征输出项,直接输入到Softmax分类器中,可识别走路、跑步、上下楼梯、站立等5种动作.对比实验结果表明,其对不同的实验者的识别率达到84.8%,证明了该方法的有效性.
行为识别、深度学习、卷积神经网络
43
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61373116;陕西省教育厅产业化培育项目2012JC22;陕西省教育厅项目15JK1653;西安邮电大学青年教师科研基金资助项目ZL2014-29
2016-12-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
56-58,87