基于LSTM循环神经网络的时间序列加速度传感器数据人体活动识别
信号处理
2022-06-16 v1 人机交互
机器学习
摘要
通过智能设备可用的传感器已在包括人体活动监测、医疗保健和社交网络在内的多种应用中渗透到日常生活中。在本研究中，我们聚焦于使用智能手表加速度传感器来识别进食活动。更具体地，我们收集了10名参与者在食用披萨时的传感器数据。利用这些信息，以及可用于类似事件（如吸烟和服药）和不同活动（如慢跑）的其他可比数据，我们开发了一种LSTM-ANN架构，在识别单次进食动作与一次吸烟、服药或慢跑活动方面取得了90%的成功率。
引用
@article{arxiv.2206.07654,
title = {Human Activity Recognition on Time Series Accelerometer Sensor Data using LSTM Recurrent Neural Networks},
author = {Chrisogonas O. Odhiambo and Sanjoy Saha and Corby K. Martin and Homayoun Valafar},
journal= {arXiv preprint arXiv:2206.07654},
year = {2022}
}
备注
8 pages, Accepted for publication at 2022 CSCE Conference (SPRINGER NATURE - Research Book Series)