-
题名基于双通道图卷积网络的人体行为识别方法
- 1
-
-
作者
商樊淇
李志新
郇战
陈瑛
王永松
梁久祯
-
机构
常州大学微电子与控制工程学院
常州大学计算机与人工智能学院
-
出处
《传感器与微系统》
北大核心
2025年第3期138-142,共5页
-
基金
国家自然科学基金资助项目(62201093)
江苏省研究生科研与实践创新计划资助项目(KYCX23_3070)。
-
文摘
通过可穿戴传感器识别人体行为受到了广泛关注。现有的方法忽略了个体行为数据之间的潜在关系,尤其不能处理类内差异和类间相似的问题。为了解决这一限制,本文提出了具有特征相似性和个人特点的双通道混合图卷积网络(GCN)。一个通道通过特征图收集相似的活动信息,另一个通道根据个人特征图挖掘个人习惯对人类活动的内在影响。考虑到不同数据分布的差异,引入自注意机制对双通道进行加权,并根据不同的输入数据自适应调整两种拓扑的重要性,以提高网络的泛化性能。为了评估所提出的模型的性能,在UCI-HAR和WISDM数据集上进行了实验验证。结果表明:HSP-GCN的性能优于对比神经网络,F1分别为98.4%和96.5%,与现有工作相比有显著提高。
-
关键词
深度学习
人体行为识别
图卷积神经网络
-
Keywords
deep learning
human activity recognition
graph convolutional neural network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于混合特征图卷积神经网络的人体行为识别方法
被引量：1
- 2
-
-
作者
李志新
商樊淇
郇战
陈瑛
梁久祯
-
机构
常州大学微电子与控制工程学院
常州大学计算机与人工智能学院
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2024年第4期46-52,共7页
-
基金
国家自然科学基金资助项目(62201093)
常州市科技计划资助项目(CJ20235026)
江苏省研究生科研与实践创新计划项目(KYCX23_3070)。
-
文摘
基于可穿戴传感器的人体行为识别方法不能很好地处理时间序列数据采样点之间的结构信息,也忽略了数据样本之间的潜在联系。针对这一问题,提出了混合时频特征和结构特征的图卷积神经网络模型进行人体动作识别。首先,通过小波包变换获取原始信号的时频特征,进一步构建时空图提取信号的结构特征以挖掘采样点间的动态特性,并在结构特征中加入距离约束,弱化时空图中远距离邻居对中心节点的影响。其次,考虑到结构特征提取时受时空图拓扑关系影响较大,选择样本的时频特征构造图卷积神经网络的输入拓扑,混合时频特征和结构特征作为网络输入特征。最后,输入特征沿着输入拓扑结构传播,得到最终分类结果。为了评估所提模型的性能,在WHARF和DataEgo数据集上进行了实验验证。实验结果表明:所提模型的F1分数相比已有的基于卷积神经网络模型在WHARF和DataEgo上均有提升,WHARF数据集上F1最高提升19.58百分点,DataEgo数据集上F1最高提升26.44百分点,证明所提出模型通过挖掘动态特性能够有效提高动作识别能力。
-
关键词
图卷积神经网络
可穿戴设备
人体行为识别
时空图
特征提取
-
Keywords
graph convolutional neural networks
wearable device
human activity recognition
spatio-temporal graph
feature extraction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
