计算机工程与科学

作者：权威铭, 刘天一, 张雷

单位：（南京师范大学电气与自动化工程学院,江苏 南京 210046）

关键词：可穿戴传感器,运动识别,卷积神经网络,协方差矩阵,

基金：国家自然科学基金(61203237）;江苏省自然科学基金（BK20191371）

目前，深度学习已经在各种人体运动识别（HAR）任务中发挥了重要作用。但是，由于运动数据具有时间序列和包含肢体动作的特殊性，现有神经网络在进行卷积操作时会导致数据高度相关，并且随着网络影响到下一层，这限制了模型的识别效果。为此，提出了一种带有协方差矩阵的改进卷积神经网络用于HAR场景，通过矩阵变换搭建一种去相关的网络结构来消除相关性问题，可以在网络表现不佳时替代现有的批量归一化（BN）层用于归一化数据。在4个HAR公共数据集上进行实验，并与传统CNN和带有BN层的模型进行比较。实验结果表明，对比此前的深度学习网络，改进的神经网络有1%~2%的性能提升，验证了该方法的有效性，并将程序移植到了移动端进行实时运动识别。

来源：2022年第11期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第11期