-
题名基于CNN-SVM的行人活动识别方法
- 1
-
-
作者
张帅
李召洋
陈建广
黄风华
-
机构
重庆交通大学智慧城市学院
福建省空间信息感知与智能处理重点实验室(阳光学院)
浙江德清知路导航研究院有限公司
-
出处
《导航定位学报》
北大核心
2025年第1期87-93,共7页
-
基金
重庆市自然科学基金面上项目(CSTB2022NSCQ-MSX1625)
重庆市教委科学技术研究项目(KJQN202100734)
+1 种基金
重庆市博士“直通车”科研项目(CSTB2022BSXM-JSX0020)
福建省空间信息感知与智能处理重点实验室开放基金项目(FKLSIPIP1008)。
-
文摘
针对传统行人活动识别方法过度依赖人工手动选择和提取特征,导致特征提取难度大及识别准确率低的问题,提出一种基于卷积神经网络结合支持向量机(CNN-SVM)的行人活动识别模型:将数据输入到卷积神经网络(CNN)与归一化指数函数(Softmax)层相结合的网络中进行训练直至网络收敛,收敛的CNN网络用于自动提取行人活动数据特征;然后利用支持向量机(SVM)取代CNN网络的归一化指数函数(Softmax)层来优化分类效果。实验结果表明,所提出的CNN-SVM模型可达到97.77%的识别准确率,优于对比实验模型,具有较好的行人活动识别效果。
-
关键词
行人活动识别
卷积神经网络(CNN)
支持向量机(SVM)
惯性传感器
深度学习
-
Keywords
pedestrian activity recognition
convolutional neural network(CNN)
support vector machine(SVM)
inertial sensor
deep learning
-
分类号
P228
[天文地球—大地测量学与测量工程]
-
-
题名EEMD降噪的行人活动识别方法
被引量：3
- 2
-
-
作者
孙伟
姜伟
黄恒
吴家骥
-
机构
辽宁工程技术大学测绘与地理科学学院
武汉大学卫星导航定位技术研究中心
-
出处
《导航定位学报》
CSCD
2021年第3期41-47,共7页
-
基金
2019辽宁省“兴辽英才计划”青年拔尖人才项目(XLYC1907064)
2019年辽宁省自然基金资助计划项目(2019-MS-157)
+2 种基金
辽宁省高等学校创新人才支持计划项目(LR2018005)
辽宁省教育厅高等学校基本科研项目(LJ2017FAL005)
2018年度辽宁省“百千万人才工程”人选科技活动资助项目(辽百千万立项【2019】45号)。
-
文摘
针对微机电传感器加速度计存在随机误差引起的数据质量差,从而导致行人活动识别精度不高的问题,提出了一种基于集合经验模态分解算法的数据降噪行人活动识别方法。利用加速度计收集训练数据和活动识别数据,采用集合经验模态分解算法,将加速度信号分解为多个本征模态分量和一个残余分量,去除高频部分模态分量并对其余分量进行重构,得到降噪信号后再提取时域、频域特征,分别进行模型训练和活动识别。三组行人活动识别实验结果表明,基于集合经验模态分解算法的数据降噪行人活动识别方法对5种日常行人活动识别率较高,平均查全率达到91.8%,平均查准率到达92.3%,其中慢跑查全率最高,达到97.5%,查准率达到100%。对比实验结果表明,经该算法处理后,各模式识别精度均有所提升,其中,上楼模式查全率提升4.3%;行走模式查全率提升2.1%;下楼模式查全率提升4.7%,验证了降噪算法的有效性。
-
关键词
微机电系统惯性传感器
行人活动识别
集合经验模态分解
数据降噪
-
Keywords
micro-electro-mechanical systems inertial sensor
pedestrian activity recognition
ensemble empirical mode decomposition
data noise reduction
-
分类号
P228
[天文地球—大地测量学与测量工程]
-
