基于深度神经网络的可穿戴IMU手势分类
信号处理
2020-05-04 v1 机器学习
机器学习
摘要
IMU在手势分析、轨迹检测和运动功能研究领域中正变得日益重要。惯性测量单元(IMU)由三轴加速度计和陀螺仪组成，可共同用于形态分析。本文提出一种使用深度神经网络(DNN)对可穿戴IMU传感器所获手势进行分类的新颖方法。为分类器设定优化目标，以降低各活动间的相关性并以最佳性能参数拟合信号集。网络训练通过输入特征的前向计算及随后的误差反向传播完成。以分类准确率形式分析预测输出，并与SVM和kNN的传统分类方案比较。DNN分类的准确率观察到3-5%的提升。给出了所记录的加速度计与陀螺仪信号以及所考虑分类方案的结果。
引用
@article{arxiv.2005.00410,
title = {Classification of Hand Gestures from Wearable IMUs using Deep Neural Network},
author = {Karush Suri and Rinki Gupta},
journal= {arXiv preprint arXiv:2005.00410},
year = {2020}
}