一种基于卷积神经网络深度学习的人体行为识别方法

被引：34
|
作者：
王忠民 [1 ]
曹洪江 [1 ]
范琳 [1 ]
机构：
[1] 西安邮电大学计算机学院
来源：
计算机科学 | 2016年 / 43(S2)卷 / S2期
关键词：
行为识别; 深度学习; 卷积神经网络;
D O I：
暂无
中图分类号：
TP183 [人工神经网络与计算];
学科分类号：
081104 ; 0812 ; 0835 ; 1405 ;
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。
引用
收藏
页码：56 / 58 +87
页数：4
相关论文
共 10 条
  • [1] 基于手机加速度传感器的人体行为识别
    衡霞
    王忠民
    [J]. 西安邮电大学学报, 2014, 19 (06) : 76 - 79
  • [2] 穿戴位置无关的手机用户行为识别模型
    范琳
    王忠民
    [J]. 计算机应用研究, 2015, 32 (01) : 63 - 66
  • [3] 基于蚁群算法的行为识别特征优选方法
    王忠民
    曹栋
    [J]. 西安邮电大学学报, 2014, 19 (01) : 73 - 77
  • [4] 基于三维加速度传感器的上肢动作识别系统
    王昌喜
    杨先军
    徐强
    马祖长
    孙怡宁
    [J]. 传感技术学报, 2010, 23 (06) : 816 - 819
  • [5] 基于卷积神经网络LeNet-5的车牌字符识别研究
    赵志宏
    杨绍普
    马增强
    [J]. 系统仿真学报, 2010, 22 (03) : 638 - 641
  • [6] 基于卷积神经网络的交通标识识别研究与应用[D]. 杨心.大连理工大学. 2014
  • [7] 基于卷积神经网络的深度学习算法与应用研究[D]. 陈先昌.浙江工商大学. 2014
  • [8] 卷积神经网络的研究与应用[D]. 徐姗姗.南京林业大学. 2013
  • [9] 卷积神经网络的研究及其在车牌识别系统中的应用[D]. 陆璐.合肥工业大学. 2006
  • [10] Using unlabeled data in a sparse-coding framework for human activity recognition[J] . Sourav Bhattacharya,Petteri Nurmi,Nils Hammerla,Thomas Pl?tz.Pervasive and Mobile Computing . 2014
1