面向人体行为识别的深度特征学习方法比较-计算机应用研究.pdfVIP

———————————————————————————————————————————————— 面向人体行为识别的深度特征学习方法比较 作者 匡晓华，何军，胡昭华，周媛 机构 南京信息工程大学 电子与信息工程学院；南京信息工程大学 江苏省气象探测与信息处理重 点实验室 基金项目 国家自然科学基金资助项目（NSF；江苏省自然科学基金资助项目（B； 上海市北斗导航与位置服务重点实验室开放基金项目；江苏省高校优势学科II 期建设工程资 助项目 预排期卷 《计算机应用研究》2018 年第35 卷第9 期 摘要 针对人体行为识别问题，比较了两种基于智能手机惯性加速度传感器数据的深度特征学习方 法。该方法先将传感器数据进行重叠加窗的预处理；然后将带标签的样本数据直接输入深度 网络模型中，通过端到端的特征学习；最终输出行为分类结果。通过对比深度卷积神经网络、 长短期记忆网络两种深度学习方法在公开网站UCI 的机器学习知识库的人体行为识别数据集 上的识别效果。实验结果表明，采用Dropout 深度卷积神经网络特征学习方法识别准确率为 90。98%，是一种有效的深度特征学习方法。 关键词 深度学习；行为识别；序列数据分类；深度卷积神经网络；长短期时间记忆网络 作者简介 匡晓华（1993-），女（通信作者），江苏南通人，硕士研究生，主要研究方向为深度学习、时 间序列处理（20152281482@）；何军（1978-），男，河南郑州人，副教授，博士， 主要研究方向为机器学习、计算机视觉、信号处理；胡昭华（1981-），女，副教授，博士， 主要研究方向为视觉跟踪、模式识别；周媛（1980-），女，讲师，博士，主要研究方向为航 空发动机健康管理及模式识别． 中图分类号 TP391 访问地址 /article/02-2018-09-005.html 发布日期 2017 年9 月1 日 引用格式 匡晓华, 何军, 胡昭华, 周媛. 面向人体行为识别的深度特征学习方法比较[J/OL]. 2018, 35(9). [2017-09-01]. /article/02-2018-09-005.html. 35 9 Vol. 35 No. 9 第 卷第 期 计算机应用研究 优先出版 Application Research of Computers Online Publication 面向人体行为识别的深度特征学习方法比较 * a† a, b a, b a, b 匡晓华 ，何 军 ，胡昭华 ，周 媛 (南京信息工程大学 a. 电子与信息工程学院; b. 江苏省气象探测与信息处理重点实验室, 南京 210044) 摘 要：针对人体行为识别问题，比较了两种基于智能手机惯性加速度传感器数据的深度特征学习方法。该方法先将 传感器数据进行重叠加窗的预处理；然后将带标签的样本数据直接输入深度网络模型中，通过端到端的特征学习；最 终输出行为分类结果。通过对比深度卷积神经网络、长短期记忆网络两种深度学习方法在公开网站UCI 的机器学习知 识库的人体行为识别数据集上的识别效果。实验结果表明，采用 Dropout 深度卷积神经网络特征学习方法识别准确率 90 98% 为