基于协同LSTM神经网络的人体行为识别研究

摘要

在基于传感器的人体行为识别研究中,传统的机器学习方法需要具备一定的人体运动领域知识来做特征提取,而且工程量大.而现有的神经网络模型结构简单,对数据特征的挖掘不充分从而识别准确率不高.针对上述问题,提出一种基于协同LSTM神经网络的人体行为识别方法.该方法首先对LSTM模块的结构进行改进,搭建协同LSTM神经网络;然后使用加速度传感器和陀螺仪获取6轴人体行为数据;再使用滑窗方法和改进的Z-score标准化方法对数据进行预处理;最后利用协同LSTM神经网络、卷积神经网络和LSTM神经网络分别在数据集上进行迭代训练和测试.实验结果表明,基于协同LSTM神经网络的识别模型表现最好,识别准确率为95.81％,高于CNN的91.53％和LSTM的90.47％,证明该方法可以有效地进行人体行为识别.