基于Wavelet-CNN网络的人类活动识别技术

作者：张琳; 易卿武; 黄璐; 于乃文^*

来源：无线电工程, 2022, 52(04): 590-597.

• 人类活动识别
• 小波变换
• 卷积神经网络
• 传感器

针对传统的识别方法不能满足人类活动识别(Human Activity Recognition, HAR)技术研究需求的现状，提出了一种基于小波变换和卷积神经网络(Convolutional Neural Networks, CNN)相结合的深度学习模型。将多通道传感器的波形数据通过小波变换分解并重组作为输入。利用不同卷积核的CNN高效提取多维特征，使用最大池化层对人体无意识抖动引起的干扰噪声进行滤波操作。经过全连接层输出分类，实现对人体活动状态的准确识别。实验分别从模型收敛速度、损耗和精度三方面评估了模型性能，并在OPPORTUNITY公共数据集上与较先进的识别模型进行了对比。实验结果表明，提出的小波变化卷积网络Wavelet-CNN实现了91.65%的F1分数，具有更高的活动识别能力。

• 单位
  河北科技大学