基于CNN-Mogrifier LSTM的人体运动模式识别算法

作者：李浩; 于志远; 尹业成; 闫国栋

来源：电子测量技术, 2021, 44(21): 95-100.

DOI：10.19651/j.cnki.emt.2107170

• 形变长短时记忆网络
• 卷积神经网络
• 人体运动模式识别
• 惯性测量单元

随着传感器、微电子等技术的发展,通过可穿戴式传感器对人体的运动模式进行识别,具有广泛的应用价值,如何提高识别的准确率,具有重要研究意义。考虑到人体下肢运动的特点,提出了一种基于CNN和Mogrifier LSTM的人体运动模式识别算法,先利用CNN提取原始数据的局部相关特征,再使用Mogrifier LSTM代替全连接层,挖掘局部相关特征的前后依赖关系,对行走、跑步、上楼梯、下楼梯、上坡和下坡6种常见的运动模式进行识别。实验结果表明,相比于传统LSTM算法,Mogrifier LSTM的准确率提升了1.03%,将CNN和Mogrifier LSTM相结合后,准确率进一步提升了1.17%,达到了98.18%,证明了算法的优越性。

• 单位
  北京精密机电控制设备研究所