| 本文已被：浏览 43次 下载 176次 |
码上扫一扫！ |
|
|
| 人体行为多尺度卷积双向门控循环识别模型 |
|
马鹏飞1,卫芬2,3,沈意平1*,吕泽强31,2,3
|
|
1.湖南科技大学 机械设备健康维护湖南省重点实验室,湖南 湘潭 411201;2.国防科技大学 装备综合保障技术重点实验室,湖南 长沙 410073;3.湖南科技大学 机电工程学院,湖南 湘潭 411201
|
|
| 摘要: |
| 为实现深度挖掘人体行为传感数据中的前后关联信息，进而达到精确识别人体行为模式的目的,针对传统卷积神经网络无法充分利用行为特征之间蕴藏的时序信息,提出一种基于注意力机制的多尺度卷积神经网络(Multi scale Attention Convolutional Neural Network,MACNN)与双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU)的人体行为识别模型.提出一种多尺度卷积结构,拓宽网络的宽度并实现不同维度特征的提取和降维;引入双向门控循环单元学习信号在时间维度上的关联特征;通过在多尺度CNN中加入卷积注意力模块,深度挖掘人体行为信号中的关键信息特征,实现人体行为的高准确度识别.采用UCI人体行为识别公共数据集对所提方法进行试验验证,结果表明:所提方法能够准确地实现对6种典型人体日常行为的分类识别,且相比于传统的单尺度CNN识别模型,所提出的MACNN BiGRU模型的准确率提高5％以上,达到98.40％. |
| 关键词: 人体行为识别 多尺度卷积神经网络 注意力机制 双向门控循环单元 |
| DOI： |
| 分类号: |
| 基金项目:湖南创新型省份建设专项经费资助(2020RC3049);湖南省教育厅科学研究项目资助(20C0775;21A0310);湖南省自然科学基金青年项目资助(2023JJ40289) |
|
|
|
|
| Abstract: |
|
| Key words: |
