计算机工程

作者：孙彦玺, 赵婉婉, 武东辉, 陈继斌, 仇森

单位：1. 郑州轻工业大学 建筑环境工程学院, 郑州 450002;2. 大连理工大学 控制科学与工程学院, 辽宁 大连 116024

关键词：人体行为识别,深度学习,卷积神经网络,长短时记忆网络,模式识别,可穿戴传感器

基金：国家自然科学基金青年科学基金项目（61803072）；河南省科技攻关项目（182102210622）；河南省高等学校重点科研项目（19A413013）；郑州轻工业大学青年骨干项目（13501050002）；郑州轻工业大学博士科研项目（13501050009）。

人体行为识别利用深度学习网络模型自动提取数据的深层特征，但传统机器学习算法存在依赖手工特征提取、模型泛化能力差等问题。提出基于空时特征融合的深度学习模型（CLT-net）用于人体行为识别。采用卷积神经网络（CNN）自动提取人体行为数据的深层次隐含特征，利用长短时记忆（LSTM）网络构建时间序列模型，学习人体行为特征在时间序列上的长期依赖关系。在此基础上，通过softmax分类器实现对不同人体行为分类。在DaLiAc数据集的实验结果表明，相比CNN、LSTM、BP模型，CLT-net模型对13种人体行为的总体识别率达到了97.6%，具有较优的人体行为识别分类性能。

来源：2021年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第10期