人体动作识别的特征级融合LSTM-CNN方法研究

来源：电子测量技术杂志2021年第17期北京时间：

作者：杨万鹏，李擎，雷明

单位：北京信息科技大学自动化学院 高动态导航技术北京市重点实验室 北京 100192

摘要：近年来，深度学习方法在人体动作识别有着良好的表现，其利用陀螺仪和加速度计等可穿戴传感器获得的时间序列数据，经过预处理和数据级融合之后进行训练分类。本文针对数据级融合方法对多传感器的识别有一定局限性的问题，提出了一种特征级融合的LSTM和CNN方法。该方法将独立的传感器数据依次接入到LSTM层和卷积组件层用于特征提取，之后汇聚起多传感器的特征再进行动作分类。该方法在三个公开数据集UCI-HAR、PAMAP2和OPPORTUNITY上分别取得的平均F1分数为96.06%、96.17%和94.44%。实验结果表明，本文所提出的方法在多传感器识别人体动作上有较好的精度。

关键词：人体动作识别;特征级融合;深度学习;多传感器

基金资助：国家自然科学基金(61971048，61771059)项目资助