结合手机传感器和卷积神经网络的人体行为识别

单一传感器在人体行为识别中误差较大,针对此问题提出一种利用智能手机中惯性传感器并结合卷积神经网络(convolutional neural network,CNN)的人体行为识别方法。文中利用构建的卷积神经网络模型自动提取加速度和角速度数据特征,并结合Softmax分类器识别人体行为。实验结果表明,相比于现有的研究,该模型在人体6种行为上取得了较高的识别准确率,平均识别率可达97.22%,说明了卷积神经网络在提取特征上的优势以及本模型的可行性。