换一批基于改进长短时记忆网络模型的人体运动姿态识别
Human Motion Posture Recognition Based on Improved Long and Short Memory Network Model
摘要人体运动数据对于人体运动异常判断有着重要的参考作用,为了提高人体姿态识别的准确性,提出一种基于改进长短时记忆网络模型的识别方法.该方法利用三轴加速度传感器采集人体运动姿态信息并对其进行小波阈值去噪处理,消除噪声干扰.通过计算特征冗余度筛选人体运动姿态特征,包括轴间相关系数、信号幅值面积和离散系数.基于粒子群算法改进长短时记忆网络模型并进行训练,以3个特征为输入,得出人体运动姿态类别.结果表明:基于改进长短时记忆网络模型的姿态识别方法的识别准确率,要显著优于机器学习的识别方法、改进DenseNet的识别方法和基于激光传感器的识别方法.
更多相关知识
关键词
改进长短时记忆网络模型人体运动姿态特征筛选粒子群算法识别方法improve the long and short memory network modelhuman body movement posturefeature screeningparticle swarm optimization algorithmrecognition methods
分类号
TP391
栏目名称
DOI
10.3969/j.issn.1674-3326.2023.09.006
发布时间
2023-10-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
安徽省高校人文社会科学研究项目（SK2021A0882）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
