面向人体行为识别的深度特征学习方法比较

作者:匡晓华;何军;胡昭华;周媛 刊名:计算机应用研究 上传者:程绍玲

【摘要】针对人体行为识别问题,比较了两种基于智能手机惯性加速度传感器数据的深度特征学习方法。先将传感器数据进行重叠加窗的预处理;然后将带标签的样本数据直接输入深度网络模型中,通过端到端的特征学习,最终输出行为分类结果。通过对比深度卷积神经网络、长短期记忆网络两种深度学习方法在公开网站UCI的机器学习知识库的人体行为识别数据集上的识别效果。实验结果表明,采用Dropout深度卷积神经网络特征学习方法识别准确率为90.98%,是一种有效的深度特征学习方法。

全文阅读

书   收稿日期:20170418;修回日期:20170605  基金项目:国家自然科学基金资助项目(61601230);江苏省自然科学基金资助项目 (BK20141004);上海市北斗导航与位置服务重点实验室开放基金项目;江苏省高校优势学科Ⅱ期建设工程资助项目   作者简介:匡晓华(1993),女(通信作者),江苏南通人,硕士,主要研究方向为深度学习、时间序列处理(kuang_xiaohua@163.com);何军 (1978),男,河南郑州人,副教授,博士,主要研究方向为机器学习、计算机视觉、信号处理;胡昭华(1981),女,副教授,博士,主要研究方向为视觉 跟踪、模式识别;周媛(1980),女,讲师,博士,主要研究方向为航空发动机健康管理及模式识别. 面向人体行为识别的深度特征学习方法比较 匡晓华a,何 军a,b,胡昭华a,b,周 媛a,b (南京信息工程大学 a.电子与信息工程学院;b.江苏省气象探测与信息处理重点实验室,南京 210044) 摘 要:针对人体行为识别问题,比较了两种基于智能手机惯性加速度传感器数据的深度特征学习方法。先将 传感器数据进行重叠加窗的预处理;然后将带标签的样本数据直接输入深度网络模型中,通过端到端的特征学 习,最终输出行为分类结果。通过对比深度卷积神经网络、长短期记忆网络两种深度学习方法在公开网站 UCI 的机器学习知识库的人体行为识别数据集上的识别效果。实验结果表明,采用 Dropout深度卷积神经网络特征 学习方法识别准确率为90.98%,是一种有效的深度特征学习方法。 关键词:深度学习;行为识别;序列数据分类;深度卷积神经网络;长短期时间记忆网络 中图分类号:TP391   文献标志码:A   文章编号:10013695(2018)09281503 doi:10.3969/j.issn.10013695.2018.09.059 Comparisonofdeepfeaturelearningmethodsforhumanactivityrecognition KuangXiaohuaa,HeJuna,b,HuZhaohuaa,b,ZhouYuana,b (a.SchoolofElectronic&InformationEngineering,b.JiangsuKeyLaboratoryofMeteorologicalDetection&InformationProcesing,Nanjing UniversityofInformationScience&Technology,Nanjing210044,China) Abstract:Thispapercomparedtwokindsofdeepfeaturelearningmethodsforthetaskofhumanactivityrecognitionwhich orientedtosmartphoneinertialaccelerationsensordata.Bypreprocessingthesensordatathroughoverlappedslidingwindow, thesampleddatawithtargetlabelswasfedintothedeepnetworkmodeldirectly.Throughtheendtoendfeaturelearning,the deepnetworkoutputthefinalactivityclassificationresults.Comparin

参考文献

引证文献

问答

我要提问