基于CNN-Mogrifier LSTM的人体运动模式识别算法

来源：电子测量技术杂志2021年第21期北京时间：

作者：李浩，于志远，尹业成，闫国栋

单位：1.北京精密机电控制设备研究所, 北京 100076; 2.航天伺服驱动与传动技术实验室, 北京100076

摘要：随着传感器、微电子等技术的发展，通过可穿戴式传感器对人体的运动模式进行识别，具有广泛的应用价值，如何提高识别的准确率，具有重要研究意义。考虑到人体下肢运动的特点，本文提出了一种基于CNN和Mogrifier LSTM的人体运动模式识别算法，先利用CNN提取原始数据的局部相关特征，再使用Mogrifier LSTM代替全连接层，挖掘局部相关特征的前后依赖关系，对行走、跑步、上楼梯、下楼梯、上坡和下坡六种常见的运动模式进行识别。实验结果表明，相比于传统LSTM算法，Mogrifier LSTM的准确率提升了1.03%，将CNN和Mogrifier LSTM相结合后，准确率进一步提升了1.17%，达到了98.18%，证明了算法的优越性。

关键词：形变长短时记忆网络;卷积神经网络;人体运动模式识别;惯性测量单元