|
|||||
|
|
| 基于深度卷积神经网络的人体动作识别 | |
| 作者单位： | ;1.北京邮电大学网络技术研究院 |
| 摘 要： | 针对人体动作识别问题,提出一种基于智能手机加速传感器数据并运用深度卷积神经网络进行分类识别的方法,可以有效地分类人体的走、坐、躺、跑、站五类动作.该方法模型由输入层、两层卷积层、两层池化层、一层全连接层和输出层组成,使用滑动窗口折叠法将传感器数据变换为类似于三通道的RGB图像格式,自动提取加速传感器数据的特征,对各个动作进行分类,免去了传统方法繁琐的特征提取工程.该方法在Actitracker开源数据库上达到了0.912 6的识别率,验证了该方法的可行性. |
| 关 键 词： | 动作识别 卷积神经网络 深度学习 机器学习 加速传感器 |
Human activity recognition based on deep convolutional neural networks |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |