融合交叉序列预测和一致性对比的WiFi人体活动识别

1

作者 王杨 许佳炜 +4 位作者 王傲 宋世佳 谢帆 赵传信 季一木 《计算机工程与科学》 北大核心 2025年第1期160-170,共11页

随着IEEE 802.11bf标准的发布,WiFi感知技术已从学术研究走向工业应用。针对现有的基于WiFi的人体活动检测系统往往依赖于较强假设约束问题,从如何充分利用无标签CSI样本出发,设计了一种适用于WiFi感知领域的自监督模型CPCC-Fi。模型在... 随着IEEE 802.11bf标准的发布,WiFi感知技术已从学术研究走向工业应用。针对现有的基于WiFi的人体活动检测系统往往依赖于较强假设约束问题,从如何充分利用无标签CSI样本出发,设计了一种适用于WiFi感知领域的自监督模型CPCC-Fi。模型在对比学习思想的基础上首先使用序列数据增强生成不同视图的无标记CSI样本;然后通过自监督学习获取CSI序列内在表示特征;再通过少量标记样本对模型进行微调,最后即可实现下游人体活动的有效感知和识别。在自采和公开数据集上的相关实验结果表明,与CNN+Linear、CNN+Transformer+Linear和TS-TCC相比,CPCC-Fi模型的各项性能均有所提升。 展开更多

关键词 自监督学习 信道状态信息 人体活动识别 表征学习

在线阅读 下载PDF 职称材料

基于图卷积的注意力聚焦时空融合人体活动识别研究

2

作者 刘艳 赵明 +3 位作者 马萌 曹清清 刘芳 聂凯 《传感技术学报》 北大核心 2025年第4期695-704,共10页

准确地识别人体活动数据可以为运动分析、医疗康复训练等领域提供重要帮助。鉴于现有的人体活动识别模型对于具有非欧氏空间数据特征的人体活动数据识别准确率不高的问题,提出了一种结合了图卷积、图注意力机制(GAT)和长短时记忆网络(LS... 准确地识别人体活动数据可以为运动分析、医疗康复训练等领域提供重要帮助。鉴于现有的人体活动识别模型对于具有非欧氏空间数据特征的人体活动数据识别准确率不高的问题,提出了一种结合了图卷积、图注意力机制(GAT)和长短时记忆网络(LSTM)的新型人体活动识别特征提取方法GCN-AL,并基于GCN-AL构建了人体活动识别模型GCT-net。通过在开源的DaLiAc数据集上对GCT-net模型、GAN模型和GCN模型进行对比仿真实验表明,GCT-net模型的总体准确率、平均精确率、平均召回率相较于基于图卷积、图注意力机制的GAN模型和基于图卷积的GCN模型分别提高了2.0%、2.4%、2.4%和2.3%、2.5%、3.1%,与其他最新参考文献中提出的分类模型相比,GCT-net模型在总体准确率方面也有所改进。 展开更多

关键词 可穿戴惯性传感器 人体活动识别 GCT-net模型 图卷积 图注意力机制 长短时记忆网络

在线阅读 下载PDF 职称材料

基于无阈值递归图和CNN-LSTM的人体活动识别算法 被引量：1

3

作者 史立宇 孙杨帆 +2 位作者 谢溢翀 黄旭萍 周彪 《传感器与微系统》 北大核心 2025年第3期130-133,共4页

人体活动识别(HAR)可为智慧生活、医疗监护、虚拟现实等上下文感知系统提供重要的基础信息,是模式识别领域的热门研究方向。针对现有基于惯性传感器的活动识别深度学习算法对于多维时间序列特征的提取效果欠佳的问题,提出了一种基于无... 人体活动识别(HAR)可为智慧生活、医疗监护、虚拟现实等上下文感知系统提供重要的基础信息,是模式识别领域的热门研究方向。针对现有基于惯性传感器的活动识别深度学习算法对于多维时间序列特征的提取效果欠佳的问题,提出了一种基于无阈值递归图(URP)和卷积神经网络—长短期记忆(CNN-LSTM)的活动识别算法。首先,使用SMOTE-ENN算法对惯性数据集进行增强,平衡各个类别样本数量比例;然后,使用URP方法将多维惯性传感时序波形构造为对应多个二维递归矩阵;最后,构建CNN-LSTM组合的分类模型。通过在UCI-HAR、WISDM公开数据集上的实验结果表明:所提算法在测试集上4种分类指标均得到提高,其中准确率分别达到98.32%和98.97%,性能优于现存的其他深度学习算法。 展开更多

关键词 人体活动识别 数据增强 深度学习 无阈值递归图 卷积神经网络 长短期记忆神经网络

在线阅读 下载PDF 职称材料

基于GRU-DRSN的双通道人体活动识别 被引量：1

4

作者 邵小强 原泽文 +3 位作者 杨永德 刘士博 李鑫 韩泽辉 《科学技术与工程》 北大核心 2024年第2期676-683,共8页

人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attentio... 人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attention module)注意力机制的GRU-DRSN双通道并行模型,有效避免了传统串行模型因网络深度加深引起梯度爆炸和消失问题。同时并行结构使得两条支路具有相同的优先级,使用深度残差收缩网络(deep residual shrinkage network, DRSN)提取数据的深层空间特征,同时使用门控循环结构(gated recurrent unit, GRU)学习活动样本在时间序列上的特征,同时进行提取样本不同维度的特征,并通过CBAM模块进行特征的权重分配,最后通过Softmax层进行识别,实现了端对端的人体活动识别。使用公开数据集(wireless sensor data mining, WISDM)进行验证,模型平均精度达到了97.6%,与传统机器学习模型和前人所提神经网络模型相比,有更好的识别效果。 展开更多

关键词 人体活动识别(human activity recognizition HAR) 门控循环结构(gated recurrent unit GRU) 深度残差收缩网络(deep residual shrinkage network DRSN) CBAM 双通道并行

在线阅读 下载PDF 职称材料

基于DWT-VMD混合信号分解技术的人体活动识别 被引量：3

5

作者 陈金瑶 李瑞祥 +1 位作者 王星 施伟斌 《数据采集与处理》 CSCD 北大核心 2024年第3期736-749,共14页

在人类活动识别的应用环境中,从原始传感器数据中提取更加有效的特征仍具有挑战性。针对该问题,利用离散小波变换(Discrete wavelet transform,DWT)和变分模式分解(Variational mode decomposition,VMD)的混合信号分解技术提取原始信号... 在人类活动识别的应用环境中,从原始传感器数据中提取更加有效的特征仍具有挑战性。针对该问题,利用离散小波变换(Discrete wavelet transform,DWT)和变分模式分解(Variational mode decomposition,VMD)的混合信号分解技术提取原始信号中的显著特征向量。在UCI-HAR数据集与SCUT-NAA数据集上,利用多种机器学习分类算法,例如K近邻、随机森林、LightGBM和XGBoost,对DWT-VMD混合信号分解算法的有效性进行了实验。实验结果表明,与未使用混合信号分解技术相比,使用该技术后识别准确率均有所提高,其中UCI-HAR数据集分类准确率达到98.91%,与未加入分解算法相比提高了1.79%;SCUT-NAA数据集分类准确率达到95.52%,提高了3.2%。在人体活动识别中,利用DWT-VMD混合信号分解技术,能够提取原始信号中更有效的特征,提高识别准确率,具有一定的实用性。 展开更多

关键词 人体活动识别 离散小波变换 变分模式分解 信号分解 机器学习

在线阅读 下载PDF 职称材料

基于LoRa设备的人体活动识别研究

6

作者 崔浩 万亚平 +2 位作者 钟华 聂明星 肖杨 《计算机工程与科学》 CSCD 北大核心 2024年第1期111-121,共11页

近年基于LoRa设备建立的诸多传感模型验证了LoRa设备的长距离传感潜力,但使用特征模糊的LoRa无线信号识别人体活动仍然需要进一步研究。分析了LoRa信号受人体活动影响的传播规律,提出了一种LoRa信号处理方法来提取信号变化特征。随后采... 近年基于LoRa设备建立的诸多传感模型验证了LoRa设备的长距离传感潜力,但使用特征模糊的LoRa无线信号识别人体活动仍然需要进一步研究。分析了LoRa信号受人体活动影响的传播规律,提出了一种LoRa信号处理方法来提取信号变化特征。随后采集数据创建了2个记录人体活动的LoRa数据集,通过当前先进的深度学习网络检验所提方法的效果。对1个房间内活动种类、活动人员,4个房间内活动人员、活动发生房间的识别准确率均达到了90%以上,对比使用卷积循环神经网络直接进行训练的方法也更节省时间和空间资源。 展开更多

关键词 无线传感 长距离传感 人体活动识别 LoRa信号特征提取 深度学习

在线阅读 下载PDF 职称材料

基于可穿戴传感器的人体活动识别研究综述 被引量：22

7

作者 郑增威 杜俊杰 +1 位作者 霍梅梅 吴剑钟 《计算机应用》 CSCD 北大核心 2018年第5期1223-1229,1238,共8页

人体活动识别(HAR)在医疗、安全、娱乐等方面有着广泛的应用。随着传感器器件的发展,各类能准确采集人体行为活动数据的传感器在手环、手表、手机等可穿戴设备上得到了广泛使用,相比基于视频图像的行为识别方法,基于传感器的行为识别具... 人体活动识别(HAR)在医疗、安全、娱乐等方面有着广泛的应用。随着传感器器件的发展,各类能准确采集人体行为活动数据的传感器在手环、手表、手机等可穿戴设备上得到了广泛使用,相比基于视频图像的行为识别方法,基于传感器的行为识别具有成本低、灵活、可移植性好的特点,因此,基于可穿戴传感器的人体活动识别研究成为行为识别中的研究热点。介绍了人体活动识别研究中原始数据采集、特征提取、特征选择以及分类方法,对识别流程中每一部分常用的技术以及研究现状进行了综述总结,最后分析人体活动识别研究当前存在的主要问题并展望了今后可能的研究方向。 展开更多

关键词 人体活动识别 可穿戴传感器 特征工程 数据处理 机器学习

在线阅读 下载PDF 职称材料

无监督特征学习的人体活动识别 被引量：4

8

作者 史殿习 李勇谋 丁博 《国防科技大学学报》 EI CAS CSCD 北大核心 2015年第5期128-134,共7页

针对人的局限性可能会导致在提取特征中丢失重要信息,从而影响最终的识别效果问题,提出无监督特征学习技术的惯性传感器特征提取方法。其核心思想是使用无监督特征学习方法学习多个特征映射,再将所有特征映射拼接起来形成最终的特征计... 针对人的局限性可能会导致在提取特征中丢失重要信息,从而影响最终的识别效果问题,提出无监督特征学习技术的惯性传感器特征提取方法。其核心思想是使用无监督特征学习方法学习多个特征映射,再将所有特征映射拼接起来形成最终的特征计算方法。其优点是不会造成重要信息的损失,而且可以显著减少所使用的无监督特征学习模型的规模。为了验证所提出的特征提取方法在活动识别中的有效性,运用一个公开的活动识别数据集,使用三种常用无监督模型进行特征提取,并使用支持向量机进行活动识别。实验结果表明,特征提取方法取得了良好的效果,与其他方法相比具有一定的优势。 展开更多

关键词 人体活动识别 无监督特征学习 智能手机 传感器

在线阅读 下载PDF 职称材料

混合神经网络模型在人体活动识别中的研究 被引量：8

9

作者 吴海涛 陆志平 胡晨骏 《计算机应用与软件》 北大核心 2021年第8期187-193,219,共8页

针对人体活动识别问题与其在实际情况中的应用,综合考量卷积神经网络与作为循环神经网络变体的门控循环单元,设计能自动提取传感器数据特征和记忆时序性活动数据的CNN-GRU混合神经网络模型,并予以改良。使用该模型在公开的数据集上进行... 针对人体活动识别问题与其在实际情况中的应用,综合考量卷积神经网络与作为循环神经网络变体的门控循环单元,设计能自动提取传感器数据特征和记忆时序性活动数据的CNN-GRU混合神经网络模型,并予以改良。使用该模型在公开的数据集上进行实验,较其他的模型效果更加理想。在人体活动识别的处理中,CNN-GRU模型能达到预期的高准确率。在数据集时序性依赖较强的情况下,CNN-GRU模型能拥有更好的准确度和稳定性。 展开更多

关键词 卷积神经网络 门控循环单元 混合神经网络 人体活动识别

在线阅读 下载PDF 职称材料

基于分组残差联合空间学习的人体活动识别 被引量：3

10

作者 吕明琪 陈文青 +1 位作者 陈铁明 刘杨圣彦 《浙江工业大学学报》 CAS 北大核心 2021年第2期215-224,共10页

针对基于多传感器的交互性人体活动识别任务,提出了一种基于窗口预处理和分组残差联合空间学习的多传感器交互性活动识别算法。首先,针对多传感器交互性活动数据预处理过程中的滑动窗口处理方式对人体活动识别的影响进行了实验分析和实... 针对基于多传感器的交互性人体活动识别任务,提出了一种基于窗口预处理和分组残差联合空间学习的多传感器交互性活动识别算法。首先,针对多传感器交互性活动数据预处理过程中的滑动窗口处理方式对人体活动识别的影响进行了实验分析和实验对比,包括不同滑动窗口大小和覆盖率等;其次,基于多传感器的交互性活动识别的窗口预处理结论,利用分组残差联合空间学习进行活动识别与分类,并设计多组对比实验,分别对网络模型、损失函数和分类器等进行了优化;最后,在Opportunity活动数据集上进行对比试验,该算法性能超过了现有的大部分其他活动识别算法。实验结果验证了基于窗口预处理和分组残差联合空间学习的多传感器人体活动识别算法的有效性。 展开更多

关键词 人体活动识别 多传感器 窗口预处理 残差网络 联合空间学习

在线阅读 下载PDF 职称材料

基于多传感器融合的低功耗人体活动识别方法 被引量：3

11

作者 王刚 莫凌飞 《传感器与微系统》 CSCD 北大核心 2023年第3期132-135,共4页

人体活动识别是行为监测、健康分析等许多任务的前提与基础,其中基于可穿戴设备的人体活动识别方法凭借其持续性分析的能力有着不可替代的优势。人工神经网络(ANN)可以显著提高人体活动识别的准确度,然而,基于ANN的分析方法由于计算量大... 人体活动识别是行为监测、健康分析等许多任务的前提与基础,其中基于可穿戴设备的人体活动识别方法凭借其持续性分析的能力有着不可替代的优势。人工神经网络(ANN)可以显著提高人体活动识别的准确度,然而,基于ANN的分析方法由于计算量大,计算功耗高,不适用于可穿戴设备应用场景。基于此,提出一种基于多传感器与脉冲神经网络(SNN)的人体活动识别方法,该方法基于集成学习实现,分类准确率达到97.8%。同时将训练好的集成学习模型转换为SNN,可以充分利用SNN专用芯片低功耗的特性,以数毫瓦的功耗完成人体活动识别任务。 展开更多

关键词 多传感器融合 脉冲神经网络 人体活动识别 低功耗

在线阅读 下载PDF 职称材料

基于启发式集成特征选择的人体活动识别 被引量：3

12

作者 戴健威 李瑞祥 +2 位作者 陈金瑶 乐燕芬 施伟斌 《数据采集与处理》 CSCD 北大核心 2022年第4期860-871,共12页

针对人为提取的冗余特征集和无关特征集导致可穿戴传感器的人体活动识别分类性能降低的问题,提出一种基于启发式集成特征选择的人体活动识别方法。该方法首先选取了包含功率谱密度(Power spectrum density,PSD)的特征集用于识别易混淆... 针对人为提取的冗余特征集和无关特征集导致可穿戴传感器的人体活动识别分类性能降低的问题,提出一种基于启发式集成特征选择的人体活动识别方法。该方法首先选取了包含功率谱密度(Power spectrum density,PSD)的特征集用于识别易混淆的活动,在此基础上借助皮尔逊系数法(Pearson correlation coefficient,PCC)筛选出低相关的特征子集,然后使用改进的正余弦优化算法(Sine cosine algorithm,SCA)进行特征优化,通过两次特征筛选得到最优特征子集。实验结果表明,在实验室采集的数据集中使用该方法后的特征子集维数为34,识别准确率达到了98.21%。在公开的SCUT-NAA数据集中进行对比实验,特征子集维数为39,低于以往基于该数据集研究方法的特征维数,并且识别准确率达到了96.51%。 展开更多

关键词 人体活动识别 特征选择 正余弦算法 功率谱密度 可穿戴传感器

在线阅读 下载PDF 职称材料

基于数据融合的CNN方法用于人体活动识别 被引量：4

13

作者 韩欣欣 叶剑 周海英 《计算机工程与设计》 北大核心 2020年第2期522-528,共7页

针对人体活动识别,现有的研究更多关注于传感器之间的融合,较少将研究方向转移到三轴加速度计等传感器内轴之间的相关性方面。为有效利用轴之间的相关性,提出一种基于数据融合的卷积神经网络方法。借助利用轴之间的相关性的单通道数据... 针对人体活动识别,现有的研究更多关注于传感器之间的融合,较少将研究方向转移到三轴加速度计等传感器内轴之间的相关性方面。为有效利用轴之间的相关性,提出一种基于数据融合的卷积神经网络方法。借助利用轴之间的相关性的单通道数据融合方法得到融合数据,将融合数据输入到卷积神经网络中提取特征。在WISDM数据集上的实验结果表明,该方法的准确率达到了98.80%,优于不使用数据融合的卷积神经网络方法。 展开更多

关键词 人体活动识别 三轴加速度计 数据融合 卷积神经网络 准确率

在线阅读 下载PDF 职称材料

基于可穿戴传感器的普适化人体活动识别 被引量：12

14

作者 范长军 高飞 《传感技术学报》 CAS CSCD 北大核心 2018年第7期1124-1131,共8页

为了提高日常活动识别的准确性和自动化程度,减少人为干预,提出了利用可穿戴传感信号作为输入,通过深度神经网络进行人体活动识别的方法。首先,设计了普适环境下人体活动识别的系统架构,建立了一套加速度、生理信号等传感数据的采集系统... 为了提高日常活动识别的准确性和自动化程度,减少人为干预,提出了利用可穿戴传感信号作为输入,通过深度神经网络进行人体活动识别的方法。首先,设计了普适环境下人体活动识别的系统架构,建立了一套加速度、生理信号等传感数据的采集系统;然后,对获取的传感数据进行降噪、加窗与归一化等预处理,并设计了长短时记忆递归神经网络来进行特征的自动提取和融合,从而实现活动识别。实验结果表明,该方法减少了对人工和专家知识的依赖,自动进行多模态传感器的融合,智能化程度高,分类效果好。 展开更多

关键词 人体活动识别 多模态信息融合 长短时记忆递归神经网络 可穿戴传感器

在线阅读 下载PDF 职称材料

基于手机传感器的人体活动识别综述 被引量：6

15

作者 张春祥 赵春蕾 +1 位作者 陈超 罗辉 《计算机科学》 CSCD 北大核心 2020年第10期1-8,共8页

人体活动存在于日常生活的各方面,人体活动识别(HAR)具有广泛的应用价值,并受到广泛关注。随着智能手机的逐步发展,传感器嵌入到手机中使手机更加智能,实现了更加灵活的人机交互。人们一般随身携带智能手机,因此手机传感器信号中有丰富... 人体活动存在于日常生活的各方面,人体活动识别(HAR)具有广泛的应用价值,并受到广泛关注。随着智能手机的逐步发展,传感器嵌入到手机中使手机更加智能,实现了更加灵活的人机交互。人们一般随身携带智能手机,因此手机传感器信号中有丰富的人体活动信息,通过提取手机传感器的信号便可以识别用户活动。相比基于计算机视觉等方法,基于手机传感器的人体活动识别更能体现人体运动的本质,并且具有成本低、灵活、可移植性强的特点。文中详细阐述了基于手机传感器的人体活动识别的研究现状,并对系统结构和基本原理进行了详细的描述和总结,最后分析了基于手机传感器的人体活动识别目前存在的问题以及未来发展的方向。 展开更多

关键词 手机传感器 人体活动识别 模式识别 数据处理

在线阅读 下载PDF 职称材料

基于无线体域网的在线人体活动识别 被引量：6

16

作者 范长军 高飞 《小型微型计算机系统》 CSCD 北大核心 2020年第1期72-77,共6页

基于智能手机传感器的人体活动识别是普适计算领域的研究热点.为扩展可识别的活动种类,并提高准确率和实时性,提出了由智能手环和智能手机组建无线体域网通过深度神经网络在线识别人体活动的方法.首先,设计由智能手环和智能手机组成的... 基于智能手机传感器的人体活动识别是普适计算领域的研究热点.为扩展可识别的活动种类,并提高准确率和实时性,提出了由智能手环和智能手机组建无线体域网通过深度神经网络在线识别人体活动的方法.首先,设计由智能手环和智能手机组成的无线体域网的总体框架;然后,对预处理后的传感信号,构造带有Inception结构的卷积神经网络和长短时记忆递归神经网络来分别提取时空域特征,并结合两类网络结构来融合多模态传感数据,离线进行神经网络模型训练;最后,对训练好的神经网络模型进行优化,并部署到智能手机上,在线实时识别人体活动.实验结果表明,本文方法无需手工设计特征,可自动融合各类异构传感数据,更加准确、高效地识别了更多种类的活动. 展开更多

关键词 人体活动识别 深度神经网络 可穿戴传感器 无线体域网 多传感器融合

在线阅读 下载PDF 职称材料

基于智能可穿戴设备的复杂人体活动识别方法设计 被引量：6

17

作者 方建波 陶烨豪 尚杰 《传感器与微系统》 CSCD 北大核心 2023年第7期87-89,93,共4页

针对复杂人体活动识别使用的传感器类型单一、识别率不高的难题,提出了一种基于智能可穿戴设备的复杂人体活动识别方法。由于智能可穿戴设备中融合了高精度的弹性弯曲传感器,可以弥补传统仅基于惯性传感器识别设备的不足,实现人体活动... 针对复杂人体活动识别使用的传感器类型单一、识别率不高的难题,提出了一种基于智能可穿戴设备的复杂人体活动识别方法。由于智能可穿戴设备中融合了高精度的弹性弯曲传感器,可以弥补传统仅基于惯性传感器识别设备的不足,实现人体活动时关节弯曲度、以及运动加速度和角速度全方位捕捉。结合能够有效捕捉局部特征的卷积神经网络(CNN)模型和全局特征的Transformer模型,能够实现更高的识别率。实验结果表明:该方法在所设计的13种活动中实现了98.89%的识别率,并且由于设备易于穿戴,在智慧医疗、运动监测等领域有着广阔的应用场景。 展开更多

关键词 人体活动识别 智能可穿戴设备 深度学习 弹性弯曲传感器

在线阅读 下载PDF 职称材料

基于SVM的类别增量人体活动识别方法 被引量：4

18

作者 邢云冰 龙广玉 +1 位作者 胡春雨 忽丽莎 《计算机科学》 CSCD 北大核心 2022年第5期78-83,共6页

基于人体活动识别(Human Activity Recognition,HAR)的健康监护是发现健康异常的一种重要手段。然而,在日常活动识别中,很难提前获取包含所有可能活动类别的训练样本。当预测阶段出现新增类别时,传统的支持向量机(Support Vector Machin... 基于人体活动识别(Human Activity Recognition,HAR)的健康监护是发现健康异常的一种重要手段。然而,在日常活动识别中,很难提前获取包含所有可能活动类别的训练样本。当预测阶段出现新增类别时,传统的支持向量机(Support Vector Machine,SVM)会将其错误地分类为已知类别。一个鲁棒的分类器应该能够分辨出新增类别,以便后续区别于已知类别并对其进行处理。文中提出一种基于SVM的类别增量人体活动识别方法,引入超球面的思想,既能高精度地识别已知活动类别,又能检测出新增类别。通过训练得到的多个超球面将整个特征空间进行划分,使分类器具有对新增活动类别的检测能力。实验结果表明,与传统多分类SVM方法相比,该方法能够在不显著降低已知类别分类效果的前提下实现对新增类别的检测,从而提高分类器在开放环境下的人体活动识别能力。 展开更多

关键词 人体活动识别 支持向量机 超球面 聚类可分 类别增量

在线阅读 下载PDF 职称材料

基于滑动窗口和卷积神经网络的可穿戴人体活动识别技术 被引量：24

19

作者 何坚 郭泽龙 +1 位作者 刘乐园 苏予涵 《电子与信息学报》 EI CSCD 北大核心 2022年第1期168-177,共10页

由于缺少统一人体活动模型和相关规范,造成已有可穿戴人体活动识别技术采用的传感器类别、数量及部署位置不尽相同,并影响其推广应用。该文在分析人体活动骨架特征基础上结合人体活动力学特征,建立基于笛卡尔坐标的人体活动模型,并规范... 由于缺少统一人体活动模型和相关规范,造成已有可穿戴人体活动识别技术采用的传感器类别、数量及部署位置不尽相同,并影响其推广应用。该文在分析人体活动骨架特征基础上结合人体活动力学特征,建立基于笛卡尔坐标的人体活动模型,并规范了模型中活动传感器部署位置及活动数据的归一化方法;其次,引入滑动窗口技术建立将人体活动数据转换为RGB位图的映射方法,并设计了人体活动识别卷积神经网络(HAR-CNN);最后,依据公开人体活动数据集Opportunity创建HAR-CNN实例并进行了实验测试。实验结果表明,HAR-CNN对周期性重复活动和离散性人体活动识别的F1值分别达到了90%和92%,同时算法具有良好的运行效率。 展开更多

关键词 人体活动识别 特征提取 卷积神经网络 滑动窗口 RGB位图

在线阅读 下载PDF 职称材料

CNN多位置穿戴式传感器人体活动识别 被引量：15

20

作者 邓诗卓 王波涛 +1 位作者 杨传贵 王国仁 《软件学报》 EI CSCD 北大核心 2019年第3期718-737,共20页

随着人工智能的发展和可穿戴传感器设备的普及,基于传感器数据的人体活动识别(human activity recognition,简称HAR)得到了广泛关注,且具有巨大的应用价值.抽取良好判别力的特征,是提高HAR准确率的关键因素.利用卷积神经网络(convolutio... 随着人工智能的发展和可穿戴传感器设备的普及,基于传感器数据的人体活动识别(human activity recognition,简称HAR)得到了广泛关注,且具有巨大的应用价值.抽取良好判别力的特征,是提高HAR准确率的关键因素.利用卷积神经网络(convolutional neural networks,简称CNN)无需领域知识抽取原始数据良好特征的特点,针对现有基于传感器的HAR忽略三轴向传感器单一轴向多位置数据空间依赖性的不足,提出了两种动作图片构建方法T-2D和M-2D,构建多位置单轴传感器动作图片和非三轴传感器动作图片;进而提出了卷积网络模型T-2DCNN和M-2DCNN,抽取三组单一轴向动作图片的时空依赖性和非三轴传感器的时间依赖性,并将卷积得到的特征拼接为高层次特征用于分类;为了优化网络结构,减少卷积层训练参数数量,进一步提出了基于参数共享的卷积网络模型.在公开数据集上与现有的工作进行对比实验,默认参数情况下,该方法在公开数据集OPPORTUNITY和SKODA中F_1最大提升值分别为6.68%和1.09%;从传感器数量变化和单类识别准确性角度验证了模型的有效性;且基于共享参数模型,在保持识别效果的同时减少了训练参数. 展开更多

关键词 人体活动识别 卷积神经网络 穿戴式传感器 特征提取 动作图片

在线阅读 下载PDF 职称材料