多传感器数据融合的复杂活动识别

扫码查看

原文链接

NETL

中文摘要：近年来,传感器人体活动识别被广泛的应用到各个领域.随着科技的发展和人们需求的增加,研究者们开始利用多种异构传感器识别更复杂的活动.但在这方面还存在很多问题.1)对多个不同传感器采集的数据进行融合时,存在兼容性问题,并且不能很好提取出传感器之间的关联性特征.2)对并发的复杂活动识别准确率较低,尤其是对非周期性的活动识别.为了解决这些问题,本文提出基于多传感器决策级数据融合的多任务深度学习模型.对于多传感器数据融合,本文利用深度学习的决策级数据融合策略,自动的从每个传感器原始数据中进行特征提取,还可以提取出不同传感器之间的关联性特征.对于复杂活动的识别,利用多任务学习的联合训练方法将并发的复杂活动分为多个子任务,多个子任务共享网络结构,根据活动之间的关联性和差异性,相互促进学习,提高模型的泛化性能.实验表明,本文提出的方法,对周期性活动的识别准确率可达到94.6％,非周期性活动可达到93.4％,并发的复杂活动识别准确率可达到92.8％.对比基线模型,准确率平均高出8％.

作者：

SONG Xinrui、宋欣瑞、张宪琦、张展、陈新昊、刘宏伟

展开 >

作者单位：

哈尔滨工业大学计算机科学与技术学院,哈尔滨150001

关键词：

复杂活动识别多传感器数据融合深度学习多任务学习

主办单位：

中国计算机学会

会议名称：

第十八届全国容错计算学术会议

会议时间：

2019-08-14

会议地点：

北京

会议母体文献：

第十八届全国容错计算学术会议论文集

页码：

253-262

出版时间：

2019