基于GRU-DRSN的双通道人体活动识别

基于GRU-DRSN的双通道人体活动识别
邵小强;原泽文;杨永德;刘士博;李鑫;韩泽辉
【期刊名称】《科学技术与工程》
【年(卷),期】2024(24)2
【摘要】人体活动识别(human activity recognizition, HAR)在医疗、军工、智
能家居等领域有很大的应用空间。

传统机器学习方法特征提取难度较大且精度不高。

针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attention module)注意力机制的GRU-DRSN双通道并行模型,有效避免了传统串行模型因网络深度加深引起梯度爆炸和消失问题。

同时并行结构使得两条支路具有相同的优先级,使用深度残差收缩网络(deep residual shrinkage network, DRSN)提取数据的深层空间特征,同时使用门控循环结构(gated recurrent unit, GRU)学习活动样本在时间序列上的特征,同时进行提取样本不同维度的特征,并通过CBAM模块进行特征的权重分配,最后通过Softmax层进行识别,实现了端对端的
人体活动识别。

使用公开数据集(wireless sensor data mining, WISDM)进行验证,模型平均精度达到了97.6%,与传统机器学习模型和前人所提神经网络模型相比,有更好的识别效果。

【总页数】8页(P676-683)
【作者】邵小强;原泽文;杨永德;刘士博;李鑫;韩泽辉
【作者单位】西安科技大学电气与控制工程学院;西安市电气设备状态监测与供电
安全重点实验室
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于双通道C3D的基建现场人体异常行为识别
2.基于PSO的RF模型在人体活动识别中的应用
3.基于智能可穿戴设备的复杂人体活动识别方法设计
4.基于时空注意的毫米波雷达人体活动识别网络
5.基于LoRa设备的人体活动识别研究
因版权原因，仅展示原文概要，查看原文内容请购买。