基于空间变换网络的人员行为识别方法

作者：袁帆

来源：武汉大学学报(工学版), 2022, 55(07): 740-746.

DOI：10.14188/j.1671-8844.2022-07-013

• 传感器数据
• 人员行为识别
• 深度学习
• 空间变换网络

基于惯性测量的人员行为识别(human activity recognition,HAR)在智能运动、智能家居、医疗健康领域有着较广泛的应用前景，是当前的研究热点。提出了一种基于空间变换网络(spatial transformer network,STN)的人员行为识别方法，该方法在传统的卷积神经网络(convolutional neural network,CNN)中加入空间变换单元，使得网络对输入数据的时间平移、频率变化等因素不敏感，从而提高识别稳健性。在方法实现中，根据人员惯性数据的特点，对仿射变换的参数模型进行了改进，使其能够适应相同行为类别中惯性数据的样本变换，包含时间的平移、频率的变化等。开源数据集的试验结果表明，相比于传统的卷积神经网络和循环神经网络(recurrent neural network,RNN)的方法，提出方法的识别率分别提高了约5.1%和3.4%，网络训练收敛时间降低了2.4%和30.8%。

• 单位
  陕西理工大学