面向弱标签传感器数据的人体活动识别与定位

摘要：

常规方法在识别可穿戴传感器获取的人体感知数据时,虽然能取得不错的分类性能,但是需要统计大量精确标记的数据,会消耗一定的人力和物力资源.针对上述问题,文中提出一种弱监督模式下的人体活动识别与定位算法.在卷积神经网络提取数据特征的过程中引入注意力机制,获取特征向量在时间维度的注意力权重,然后对权重序列进行中值滤波处理,找到局部最小值点作为区分活动与背景区域的分割阈值.在弱标签数据集上的实验结果表明,与基准模型CNN和DeepConvLstm相比,活动分类的准确率提升了3.64％和2.18％,当重叠度阈值取0.4时,活动定位的精确率达到了84.7％.

关键词：人体活动识别;可穿戴传感器;数据处理;弱监督学习;注意力机制;中值滤波

所属期刊栏目：44

分类号：TN919-34;TP311

资助基金：国家自然科学基金资助项目;江苏省自然科学基金资助项目

在线出版日期：2021-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：33-37