检索结果-南通市图书馆

基于无阈值递归图和CNN-LSTM的人体活动识别算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

传感器与微系统 2025年第03期 130-133页

作者：史立宇孙杨帆谢溢翀黄旭萍周彪江南大学物联网工程学院江南大学附属无锡精神卫生中心/无锡市中心康复医院中国人民解放军联勤保障部队第九〇四医院

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... 详细信息

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。

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

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

CNN多位置穿戴式传感器人体活动识别

软件学报 2019年第3期30卷 718-737页

作者：邓诗卓王波涛杨传贵王国仁东北大学计算机科学与工程学院辽宁沈阳110819 北京理工大学计算机学院北京100081

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... 详细信息

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.

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

在线全文

学校读者我要写书评

暂无评论

无监督特征学习的人体活动识别

国防科技大学学报 2015年第5期37卷 128-134页

作者：史殿习李勇谋丁博国防科技大学计算机学院湖南长沙410073

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... 详细信息

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。

关键词：人体活动识别无监督特征学习智能手机传感器

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

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2022年第1期44卷 168-177页

作者：何坚郭泽龙刘乐园苏予涵北京工业大学信息学部北京100124 北京市物联网软件与系统工程技术研究中心北京100124

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... 详细信息

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。

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

在线全文

学校读者我要写书评

暂无评论

一种应用于人体活动识别的迁移学习算法

东北大学学报（自然科学版） 2022年第6期43卷 776-782页

作者：赵海陈佳伟施瀚王相东北大学计算机科学与工程学院辽宁沈阳110169

通过采集可穿戴运动传感器信号,并利用迁移学习克服数据分布不一致来识别人体日常行为成为当下主流.利用可穿戴传感器采集信号,会产生影响迁移效果的噪声样本,传统的算法缺少对这部分样本的处理.针对这一问题,在传统算法的基础上进行改... 详细信息

通过采集可穿戴运动传感器信号,并利用迁移学习克服数据分布不一致来识别人体日常行为成为当下主流.利用可穿戴传感器采集信号,会产生影响迁移效果的噪声样本,传统的算法缺少对这部分样本的处理.针对这一问题,在传统算法的基础上进行改进,引入了基于马氏距离的样本筛选算法,提出了可用于人体活动识别的迁移学习算法T-WMD,并在两个公开的人体活动识别数据集上与其他5种算法进行对比实验.结果表明提出的算法可以有效地提升迁移学习效果.

关键词：生理信号人体活动识别迁移学习体域网机器学习

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于惯导信息和卷积神经网络的人体活动识别

生物医学工程学杂志 2020年第4期37卷 596-601页

作者：李新科刘欣雨李勇明曹海林陈艺航林宜成黄新鑫重庆大学微电子与通信工程学院重庆400044 重庆医科大学医学信息学院重庆400016

随着智能手机等移动设备感知、计算能力的飞速提升,以移动设备作为载体的人体活动识别成为新的研究热点。利用智能移动设备中的加速度传感器等采集到的惯导信息进行人体活动识别,相比于常用的计算机视觉识别,具有应用方便、成本低且更... 详细信息

随着智能手机等移动设备感知、计算能力的飞速提升,以移动设备作为载体的人体活动识别成为新的研究热点。利用智能移动设备中的加速度传感器等采集到的惯导信息进行人体活动识别,相比于常用的计算机视觉识别,具有应用方便、成本低且更能反映人体运动本质等优势。本文采用智能手机采集到的WISDM数据集,构建了基于加速度计惯导信息和卷积神经网络(CNN)的人体活动识别模型,并同时引入K最近邻算法(KNN)和随机森林算法来对CNN网络进行评估。CNN模型的分类正确率达到了92.73%,相较于KNN和随机森林都有很大提高。实验结果表明,与KNN、随机森林算法相比,CNN算法模型可以实现更精确的人体活动识别,在预测和促进人体健康水平方面具有广阔的应用前景。

关键词：人体活动识别卷积神经网络加速度传感器 K最近邻算法随机森林

在线全文

学校读者我要写书评

暂无评论

基于可穿戴传感器的普适化人体活动识别

传感技术学报 2018年第7期31卷 1124-1131页

作者：范长军高飞浙江工业大学计算机科学与技术学院杭州310023

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... 详细信息

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。

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

在线全文

学校读者我要写书评

暂无评论

人体活动识别在癫痫检测中的应用研究

人体活动识别在癫痫检测中的应用研究

作者：徐广良哈尔滨工业大学

学位级别：硕士

人体活动识别具有广泛的应用场景，癫痫全面强直-阵挛发作的便捷式检测由日常动作导致的误报难以解决。本文将人体活动识别技术应用到癫痫检测中，降低因日常活动导致的误报率。　　建立人体运动学和动力学模型，对人处于不同状态下，... 详细信息

人体活动识别具有广泛的应用场景，癫痫全面强直-阵挛发作的便捷式检测由日常动作导致的误报难以解决。本文将人体活动识别技术应用到癫痫检测中，降低因日常活动导致的误报率。　　建立人体运动学和动力学模型，对人处于不同状态下，分别建立了人体整体状态、行走状态和手部运动状态的模型。并以手部运动模型为例，由Anybody软件计算的肘部弯矩对所建立的动力学模型结果进行了对比验证，结果为所建立的模型有效但仍存在较大的改进空间。　　设计实验采集人体日常活动数据，通过记录时间的方式，同步获得了传感器和WiFi数据，使合成信号保持了时间上的同步性。为了降低数据质量对训练结果的影响，对癫痫全面强直-阵挛发作的合成加速度数据采取五点中值滤波降噪处理，并对提取的特征进行标准化和异常值处理。　　在人体活动识别中采用SVM和DRSN两种算法，对比了采用腕部单个传感器和全身17个传感器的识别准确率，提出了按动作类别的分层识别方式，能够提高单个传感器的准确率。提出了将WiFi信号融入到传感器信号中，结果为融合信号的准确率高于单个信号的准确率。对癫痫全面强直-阵挛发作进行识别研究，探讨了样本比例和窗口长度对模型的影响，结果为由SVM算法对临床数据进行识别，能全部识别出10次发作，误报率为0.1/d。将人体活动识别技术应用到癫痫检测系统，以跑步行为为例，通过对跑步动作的识别能有效防止癫痫检测系统发生误报。

关键词：人体活动识别人体建模全面强直阵挛发作可穿戴设备加速度数据

基于DWT-VMD混合信号分解技术的人体活动识别

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数据采集与处理 2024年第3期39卷 736-749页

作者：陈金瑶李瑞祥王星施伟斌上海理工大学光电信息与计算机工程学院上海200093

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... 详细信息

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。

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