基于多任务BiLSTM的配送人员活动识别

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：当前物流业中,对于配送人员的薪酬计算大都基于配送距离和物品重量等因素,其缺乏对配送人员具体活动类型及能量消耗的考虑,难以对薪酬进行高效合理分配.基于此,在数据层面,通过与某大型物流公司合作,为25名配送人员穿戴相应设备,采集其在配送过程中的加速度计和陀螺仪等真实数据.算法层面,提出了一种基于多任务双向长短时记忆(BiLSTM)的深度网络结构,通过大量实验表明,BiL⁃STM模型在活动识别和能量消耗分级上的分类准确率分别达到92.8％和94.2％,结果皆优于基准多任务LSTM算法和其他代表性学习算法.

外文标题：Human Activity Recognition Based on Multitask BilSTM for Distribution Personnel

作者：

徐盈、蓝雯飞、田鹏

展开 >

作者单位：

中南民族大学计算机科学学院,武汉 430074

关键词：

人类活动识别能量消耗可穿戴设备多任务双向长短期记忆网络

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.21.004