基于LSTM循环神经网络的吸烟行为状态转移建模
计算机视觉与模式识别
2020-01-08 v1 机器学习
摘要
传感器的使用已渗透到包括人体活动监测、医疗健康与社交网络在内的多种日常应用中。本研究聚焦于利用智能手表传感器识别吸烟活动。更具体地，我们将先前吸烟检测的工作重新表述，以纳入情境中的吸烟识别。我们将吸烟手势重构为由手至唇、手在唇上、手离唇等微手势构成的状态转移模型，该重构使用常规神经网络使检测率提升至近100%。此外，我们已开始采用长短期记忆（Long-Short-Term Memory, LSTM）神经网络实现情境中的手势检测，准确率接近97%。
引用
@article{arxiv.2001.02101,
title = {State Transition Modeling of the Smoking Behavior using LSTM Recurrent Neural Networks},
author = {Chrisogonas O. Odhiambo and Casey A. Cole and Alaleh Torkjazi and Homayoun Valafar},
journal= {arXiv preprint arXiv:2001.02101},
year = {2020}
}
备注
8 pages, CSCI 2019