基于改进LRCN的人体运动识别方法

来源：电子测量技术杂志2023年第18期北京时间：

作者：李嘉智，刘宁

单位：北京信息科技大学高动态导航技术北京市重点实验室 北京 100192

摘要：针对人体运动识别中数据特征提取不充分和识别准确率不高的问题，提出了一种改进长期循环卷积网络的人体运动识别模型。首先构建出一种由多层卷积神经网络和门控循环单元组成的LRCN模型。在此基础上构建内部和外部循环层，内部循环层作用是得到所选取时间窗内部时间特征和空间特征，外部循环层作用是从子序列数据中获取其所表征状态信息之间的特征相关性和时间相关性。提出的模型在3种公开数据集上验证，准确率均高于传统的LRCN模型，然后在自建数据集上进行测试验证，识别准确率为99.7%。实验结果表明该模型在识别准确率上高于原始模型，验证了该模型的可行性。

关键词：人体运动识别;传感器;门控循环单元;长期循环卷积网络

基金资助：国家重点研发计划课题（2020YFC1511702）、北京市自然科学基金（4212003）、北京市科技新星计划交叉学科合作课题（202111）资助