-
题名基于GRU-DRSN的双通道人体活动识别
- 1
-
-
作者
邵小强
原泽文
杨永德
刘士博
李鑫
韩泽辉
-
机构
西安科技大学电气与控制工程学院
西安市电气设备状态监测与供电安全重点实验室
-
出处
《科学技术与工程》
北大核心
2024年第2期676-683,共8页
-
基金
国家自然科学基金(52174198)。
-
文摘
人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attention module)注意力机制的GRU-DRSN双通道并行模型,有效避免了传统串行模型因网络深度加深引起梯度爆炸和消失问题。同时并行结构使得两条支路具有相同的优先级,使用深度残差收缩网络(deep residual shrinkage network, DRSN)提取数据的深层空间特征,同时使用门控循环结构(gated recurrent unit, GRU)学习活动样本在时间序列上的特征,同时进行提取样本不同维度的特征,并通过CBAM模块进行特征的权重分配,最后通过Softmax层进行识别,实现了端对端的人体活动识别。使用公开数据集(wireless sensor data mining, WISDM)进行验证,模型平均精度达到了97.6%,与传统机器学习模型和前人所提神经网络模型相比,有更好的识别效果。
-
关键词
人体活动识别(human
activity
recognizition
HAR)
门控循环结构(gated
recurrent
unit
GRU)
深度残差收缩网络(deep
residual
shrinkage
network
DRSN)
CBAM
双通道并行
-
Keywords
human activity recognition(HAR)
gated recurrent unit(GRU)
deep residual shrinkage network(DRSN)
convolutional block attention module(CBAM)
two channel parallel
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
