首页 期刊 计算机工程与设计 基于数据融合的CNN方法用于人体活动识别 【正文】

基于数据融合的CNN方法用于人体活动识别

作者:韩欣欣; 叶剑; 周海英 中北大学大数据学院; 山西太原030051; 中国科学院计算技术研究所泛在计算系统研究中心; 北京100190; 中国科学院计算技术研究所移动计算与新型终端北京市重点实验室; 北京100190
人体活动识别   三轴加速度计   数据融合   卷积神经网络   准确率  

摘要:针对人体活动识别,现有的研究更多关注于传感器之间的融合,较少将研究方向转移到三轴加速度计等传感器内轴之间的相关性方面。为有效利用轴之间的相关性,提出一种基于数据融合的卷积神经网络方法。借助利用轴之间的相关性的单通道数据融合方法得到融合数据,将融合数据输入到卷积神经网络中提取特征。在WISDM数据集上的实验结果表明,该方法的准确率达到了98.80%,优于不使用数据融合的卷积神经网络方法。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

学术咨询 免费咨询 杂志订阅