基于三轴加速度计的深度活动识别模型
机器学习
2016-10-26 v2 人机交互
神经与进化计算
摘要
尽管加速度计几乎安装在所有手机和可穿戴设备中，但由于现有识别方法识别精度差且标记训练数据稀缺，使用加速度计的活动识别仍不成熟。我们考虑使用三轴加速度计和深度学习范式进行人类活动识别的问题。本文表明深度活动识别模型 (a) 提供更好的人类活动识别精度，(b) 避免现有系统中手工设计特征的昂贵过程，(c) 利用大量未标记加速度样本进行无监督特征提取。此外，提出了深度学习与隐马尔可夫模型 (DL-HMM) 的混合方法用于序列活动识别。该混合方法将深度活动识别模型的层次表示与隐马尔可夫模型中时间序列的随机建模相结合。我们在真实世界数据集上展示了相对于使用三轴加速度计的最先进人类活动识别方法的实质性识别改进。
引用
@article{arxiv.1511.04664,
title = {Deep Activity Recognition Models with Triaxial Accelerometers},
author = {Mohammad Abu Alsheikh and Ahmed Selim and Dusit Niyato and Linda Doyle and Shaowei Lin and Hwee-Pink Tan},
journal= {arXiv preprint arXiv:1511.04664},
year = {2016}
}