基于惯导信息和卷积神经网络的人体活动识别

作者：李新科^*; 刘欣雨; 李勇明; 曹海林; 陈艺航; 林宜成; 黄新鑫

来源：生物医学工程学杂志, 2020, 37(04): 596-601.

• 人体活动识别
• 卷积神经网络
• 加速度传感器
• K最近邻算法
• 随机森林

随着智能手机等移动设备感知、计算能力的飞速提升,以移动设备作为载体的人体活动识别成为新的研究热点。利用智能移动设备中的加速度传感器等采集到的惯导信息进行人体活动识别,相比于常用的计算机视觉识别,具有应用方便、成本低且更能反映人体运动本质等优势。本文采用智能手机采集到的WISDM数据集,构建了基于加速度计惯导信息和卷积神经网络(CNN)的人体活动识别模型,并同时引入K最近邻算法(KNN)和随机森林算法来对CNN网络进行评估。CNN模型的分类正确率达到了92.73%,相较于KNN和随机森林都有很大提高。实验结果表明,与KNN、随机森林算法相比,CNN算法模型可以实现更精确的人体活动识别,在预测和促进人体健康水平方面具有广阔的应用前景。

• 单位
  重庆大学; 重庆医科大学