面向弱标签传感器数据的人体活动识别与定位

摘要

常规方法在识别可穿戴传感器获取的人体感知数据时,虽然能取得不错的分类性能,但是需要统计大量精确标记的数据,会消耗一定的人力和物力资源.针对上述问题,文中提出一种弱监督模式下的人体活动识别与定位算法.在卷积神经网络提取数据特征的过程中引入注意力机制,获取特征向量在时间维度的注意力权重,然后对权重序列进行中值滤波处理,找到局部最小值点作为区分活动与背景区域的分割阈值.在弱标签数据集上的实验结果表明,与基准模型CNN和DeepConvLstm相比,活动分类的准确率提升了3.64％和2.18％,当重叠度阈值取0.4时,活动定位的精确率达到了84.7％.