基于卷积神经网络的人体活动识别中惯性传感器信号组合的比较研究
人机交互
2022-06-10 v1
摘要
人体活动识别（HAR）是安全、监控、物联网及人机交互等众多应用的重要基础模块之一。研究界已开发多种基于不同输入类型检测人体活动的方法。然而，该领域多数研究聚焦于以人为中心之外的应用。本文致力于优化输入信号，以最大化可穿戴传感器的 HAR 性能。提出一种基于卷积神经网络（CNN）的模型，并在三个惯性测量单元（IMU）的不同信号组合上训练，这些 IMU 分别表征受试者优势手、腿与胸部的运动。结果表明，对于模态为 12 或更高的信号，k 折交叉验证准确率达 99.77% 至 99.98%。除同时包含胸部与踝部信息的信号外，低维信号性能远差，准确率介于 73% 与 85% 之间。
引用
@article{arxiv.2206.04480,
title = {Comparison Study of Inertial Sensor Signal Combination for Human Activity Recognition based on Convolutional Neural Networks},
author = {Farhad Nazari and Navid Mohajer and Darius Nahavandi and Abbas Khosravi and Saeid Nahavandi},
journal= {arXiv preprint arXiv:2206.04480},
year = {2022}
}