期刊文章详细信息
基于融合注意力机制与CNN-LSTM的人体行为识别算法
Human Activity Recognition Algorithm Based on CNN-LSTM with Attention Mechanism
文献类型:期刊文章
WU Dong-hui;XU Jing;CHEN Ji-bin;SUN Yan-xi;QIU Sen(College of Building Environment Engineering,Zhengzhou University of Light Industry,Zhengzhou 450002,China;School of Control Science and Engineering,Dalian University of Technology,Dalian 116024,China)
机构地区:[1]郑州轻工业大学建筑环境工程学院,郑州450002 [2]大连理工大学控制科学与工程学院,大连116024
基 金:国家自然科学基金(61803072);河南省高等学校重点科研项目(19A413013);河南省科技攻关项目(222102210086,222102320298)。
年 份:2023
卷 号:23
期 号:2
起止页码:681-689
语 种:中文
收录情况:BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊
摘 要:为解决单一的卷积神经网络(convolutional netral network,CNN)缺乏利用时序信息与单一循环神经网络(recurrent neural network,RNN)对局部信息把握不全问题,提出了融合注意力机制与时空网络的深度学习模型(convolutional neural network-long short term memory network-attention mechanism,CLA-net)的人体行为识别(Human activity recognition,HAR)方法。首先,通过CNN的强学习能力提取局部特征;其次,利用长短时记忆网络(long short term memory,LSTM)提取时序信息;再次,运用注意力机制获取并优化最重要的特征;最后使用softmax分类器对识别结果进行分类。仿真实验结果表明,CLA-net模型在UCI HAR和DaLiAc数据集上的准确率分别达到95.35%、99.43%,F1分别达到95.35%、99.43%,均优于对比实验模型,有效提高了识别精度。
关 键 词:深度学习 行为识别 卷积神经网络 长短期记忆网络 注意力机制
分 类 号:TP391.41]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...