技术特征:
技术总结
为了解决传统机器学习算法对特征提取的困难以及相似动作给分类识别带来的混淆性,本发明提出了一种基于改进LSTM‑CNN的多尺寸输入HAR算法。该算法将优化的CNN卷积神经网络和多层双向动态LSTM长短时记忆网络融合对HAR人体行为活动进行识别。包括多尺寸输入、模型分类识别。所述多尺寸输入将数据进行降噪、均值‑方差归一化、零填充等操作生成两个不同维度的数据作为模型输入,所述模型分类识别将优化的CNN网络与多层双向动态LSTM网络融合进行分类识别。本发明采用优化的卷积神经网络和多层双向动态长短期记忆网络融合构建分类器,具有很好的扩展性和鲁棒性,能够实现高精度的人体行为活动识别。
技术研发人员:王佳昊;龙秋玲;李亮;齐秀秀;谢樱姿;刘珂瑄
受保护的技术使用者:电子科技大学
技术研发日:2018.12.20
技术公布日:2019.04.23