作者：武一,田小森,张朝旭 单位：上海市计算技术研究所;上海计算机软件技术开发中心 出版：《计算机应用与软件》2020年第01期 页数：6页  （PDF与DOC格式可能不同） PDF编号：PDFJYRJ2020010340 DOC编号：DOCJYRJ2020010349 下载格式：PDF + Word/doc 文字可复制、可编辑
《结合手机传感器和卷积神经网络的人体行为识别》PDF+DOC2018年第03期 石代伟,张若英 《基于一维卷积神经网络和降噪自编码器的驾驶行为识别》PDF+DOC2020年第08期 杨云开,范文兵,彭东旭 《基于循环神经网络的人体行为识别》PDF+DOC2018年第06期 宿通通,孙华志,马春梅,姜丽芬 《基于深度卷积神经网络的人体动作识别》PDF+DOC2016年第S1期 吴军,肖克聪 《运用开端神经网络进行人体姿态识别》PDF+DOC2017年第S2期 柴铎,徐诚,何杰,张少阳,段世红,齐悦 《基于手机传感器的室内用户行为识别》PDF+DOC2016年第05期 李晶,黄鹤,邓南山,于广涛,常坤 《一种基于深度传感器的人体动作识别方法》PDF+DOC2019年第25期 王健 《基于加速度传感器和神经网络的人体活动行为识别》PDF+DOC 张烈平,匡贞伍,李昆键,韦克莹,王政忠,张声岚,王瑞 《面向发电设备预测性维护的传感数据特征抽取方法》PDF+DOC2018年第01期 张守利,苏申,刘晨,韩燕波 《基于协同LSTM神经网络的人体行为识别研究》PDF+DOC2018年第12期 朱连章,陈殿明,郭加树,张红霞

    • 为了克服传统机器学习方法在采用传感器数据进行人体行为识别领域上识别效果对人工特征选取依赖严重、识别准确率不高等问题，提出一种改进的全卷积神经网络和多层循环神经网络并联的深度学习模型(GRU-InFCN)，并对传感器数据特征进行自动提取，实现人体动作的识别。该模型通过多尺度卷积神经网络和双层GRU网络(Gated Recurrent Unit，GRU)分别对传感器数据进行特征提取，将特征矩阵在矩阵维度上进行特征拼接再通过Softmax完成特征分类。实验结果表明，在开源人体行为识别(HAR)数据集上采用该方法进行人体行为识别，准确率达到了97.76%。该模型在取得高准确率的同时，避免了复杂的信号预处理和特征工程。

    📙 相关资料

    1. 《结合手机传感器和卷积神经网络的人体行为识别》PDF+DOC 单一传感器在人体行为识别中误差较大，针对此问题提出一种利用智能手机中惯性传感器并结合卷积神经网络(convolutional neural network，CNN)的人体行为识别方法。文中利用构建的卷积神经网络模型自动提取加速度和角速度数据特征，并结合Softmax分类器识别人体行为。实验结果表明，......
    2. 《基于一维卷积神经网络和降噪自编码器的驾驶行为识别》PDF+DOC 针对驾驶行为分类中出现的精度不足和时间复杂度高的问题，提出一种基于一维卷积神经网络(1D-CNN)和降噪自编码机(DAE)的混合模型。使用移动终端在车辆行驶中采集加速度传感器数据、陀螺仪传感器数据以及磁场传感器数据，融合这三种传感器数据，经过预处理后输入到DAE中，提取DAE中隐藏层特征数据完成降维......
    3. 《基于循环神经网络的人体行为识别》PDF+DOC 使用4种类型的循环神经网络模型(RNN、GRU、LSTM、BLSTM)处理手机传感器采集的异构时间序列数据，用于人体行为识别研究.针对4种模型，分别构建自动特征提取方法，并对参数设置进行优化.在公开数据集UCI HAR上进行了行为识别测试实验，实验结果表明，BLSTM模型的识别精度高达95.7%，可......
    4. 《基于深度卷积神经网络的人体动作识别》PDF+DOC 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......
    5. 《运用开端神经网络进行人体姿态识别》PDF+DOC 通过迁移深度神经网络在图像识别方面的经验，提出了一种基于Inception神经网络和循环神经网络结合的深度学习模型(InnoHAR)，该模型端对端地输入多通道传感器的波形数据，利用1&#215；1卷积对多通道数据的有机组合，不同尺度的卷积提取不同尺度的波形特征，最大池化过滤微小扰动造成的假阳......
    6. 《基于手机传感器的室内用户行为识别》PDF+DOC 行为识别近年来已成为热点研究领域。本文介绍了利用智能手机感知用户行为的研究，主要通过智能手机内置传感器获取用户在室内移动中的数据，利用分类模型对该数据进行分析，建立学习模型，最终测试行为识别结果，并对不同分类模型的准确度进行了对比。...
    7. 《一种基于深度传感器的人体动作识别方法》PDF+DOC 本文设计了一种基于深度传感器的动作识别系统。该系统采用Kinect深度传感器对采集的人体动作视频进行特征提取，搭建了一个单层的BP神经网络进行训练和识别。实验表明，该系统在少样本训练的情况下，依然能够较准确地对站立、坐下、挥手与蹲下4个动作进行识别。该方法在数据维度上引入了第三维“深度信息”，所以在......
    8. 《基于加速度传感器和神经网络的人体活动行为识别》PDF+DOC 人体活动行为识别在医疗、安全、娱乐等方面有着广泛的应用，为了高效、准确地获取人体活动的行为信息，提出一种基于加速度传感器和神经网络的个人活动行为识别方法。该方法通过在个人手上佩戴加速度传感器，实时采集个人活动的行为数据；再通过BP神经网络分析相关行为数据并建立个人活动行为模型，分类识别个人的行走、坐......
    9. 《面向发电设备预测性维护的传感数据特征抽取方法》PDF+DOC 针对发电厂海量传感器数据，基于相关系数最大化的曲线排齐算法，提出了一种面向多传感序列的特征抽取方法，此方在尽量避免信息丢失的前提下，实现高维传感数据的特征抽取，建立轻量级预测模型。通过实验表明，本文方法能够在保证预测准确度的前提下，减少预测模型的训练时间，降低模型的计算开销。...
    10. 《基于协同LSTM神经网络的人体行为识别研究》PDF+DOC 在基于传感器的人体行为识别研究中，传统的机器学习方法需要具备一定的人体运动领域知识来做特征提取，而且工程量大。而现有的神经网络模型结构简单，对数据特征的挖掘不充分从而识别准确率不高。针对上述问题，提出一种基于协同LSTM神经网络的人体行为识别方法。该方法首先对LSTM模块的结构进行改进，搭建协同LS......

    提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。