10.3969/j.issn.1006-4303.2018.04.004
基于传感器人体行为识别深度学习模型的研究
随着智能手机的发展和普及,通过手机传感器收集数据,进行人体行为识别已经成为研究的热点.采用深度学习中卷积神经网络作为分类模型,并对卷积神经网络进行参数和模型的修改,并加入Dropout用于解决过拟合问题,用智能手机收集到的数据对模型进行训练,以对人体行为进行识别.通过和其他的算法进行对比实验,深度学习模型的测试结果良好,在精确度上有了较大的提升.为基于加速度的行为识别提出了新的方法和思路,为复杂行为研究提供基础.实验所使用的数据都是来自实验室收集,当采用真实数据时,可能效果会受一定的影响.
人体行为识别、深度学习、加速度传感器
46
TP181(自动化基础理论)
国家自然科学基金资助项目U1509214;浙江省自然科学基金资助项目LY16F020035
2018-08-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
375-381