基于多头CNN与后续LSTM的人体活动识别
信号处理
2020-03-16 v1 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
本研究提出一种利用CNN后接LSTM识别人体物理活动的新方法。传统机器学习算法（如SVM、KNN和随机森林方法）难以取得高准确率，因为来自加速度计和陀螺仪等可穿戴传感器的数据是时间序列数据。因此，为获得高准确率，我们提出一种由三个CNN组成的多头CNN模型，用于提取来自不同传感器数据的特征，随后将三个CNN合并，其后接一个LSTM层和一个全连接层。所有三个CNN的配置保持一致，以使每个CNN输入获得相同数量的特征。使用所提方法，我们取得了最先进的准确率，可与传统机器学习算法及其他深度神经网络算法相媲美。
引用
@article{arxiv.2003.06327,
title = {Human Activity Recognition using Multi-Head CNN followed by LSTM},
author = {Waqar Ahmad and Misbah Kazmi and Hazrat Ali},
journal= {arXiv preprint arXiv:2003.06327},
year = {2020}
}
备注
IEEE ICET 2019