人体行为多尺度卷积双向门控循环识别模型
DOI:
作者:
作者单位:

作者简介:

通讯作者:

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)


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    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%.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

马鹏飞,卫芬,沈意平*,吕泽强.人体行为多尺度卷积双向门控循环识别模型[J].湖南科技大学学报(自然科学版),2024,39(4):98-108

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2025-06-30