计算机科学 ›› 2016, Vol. 43 ›› Issue (Z11): 56-58.doi: 10.11896/j.issn.1002-137X.2016.11A.012
王忠民,曹洪江,范琳
WANG Zhong-min, CAO Hong-jiang and FAN Lin
摘要： 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。
| [1] Zeng M,Nguyen L T,et al.Convolutional Neural Networks for Human Activity Recognition using Mobile Sensors[C]∥Moboi SCASE.2014:197-205 [2] Abdel-Hamid O,Mohamed A R,Jiang H,et al.Applying convolutional neural networks concepts to hybrid nn-hmm model for speech recognition[C]∥IEEE International Conference on Acoustics,Speech and Signal Processing (ICASSP).IEEE,2012:4277-4280 [3] Bagci U,Bai L.A comparison of daubechies and gabor wavelets for classification of mr images[C]∥IEEE International Confe-rence on Signal Processing and Communications,2007(ICSPC 2007).IEEE,2007:676-679 [4] Bengio Y.Learning deep architectures for ai[J].Foundationsand trends R in Machine Learning,2009,2(1):1-127 [5] Bhattacharya S,Nurmi P,Hammerla N,et al.Using unlabeled¨data in a sparse-coding framework for human activity recognition[J].arXiv preprint arXiv:1312.6995,2013 [6] 王喜昌,杨先军,徐强,等.基于三维加速度传感器的上肢动作识别系统[J].传感器学报,2010,6(23):816-819 [7] 王忠民,曹栋.基于蚁群算法的行为识别特征优选方法[J].西安邮电大学学报,2014,9(1):73-77 [8] 衡霞,王忠民.基于手机加速度传感器的人体行为识别[J].西安邮电大学学报,2014,9(6):76-79 [9] 徐姗姗.卷积神经网络的研究与应用[D].南京:南京林业大学,2013 [10] 陈先昌.基于卷积神经网络的深度学习算法和应用研究[D].杭州:浙江工商大学,2013 [11] 范琳,王忠民.穿戴位置无关的手机用户行为识别模型[J].计算机应用研究,2015,32(1):63-66 [12] 陈先昌.基于卷积神经网络的深度学习算法与应用研究[D].杭州:浙江工商大学,2014 [13] 杨心.基于卷积神经网络的交通标识识别研究与应用[D].大连:大连理工大学,2014 [14] 陆璐.卷积神经网络的研究及其在车牌识别系统中的应用[D].合肥:合肥工业大学,2006 [15] 赵志宏,杨绍普,马增强.基于卷积神经网络LeNet-5的车牌字符识别研究[J].系统仿真学报,2010(3):638-641 |
| No related articles found! |
|
||
首页