结合格拉姆角場與卷積神經網路應用於人類動作辨識

EasyChair Preprint 5347

Abstract

人類動作辨識(Human Activity Recognition, HAR)是使用感測器資料來預測人類的動作，在物聯網的進步和微機電系統的發達下，HAR在日常生活中的應用越來越普及，如手機、智慧手環都有內建能夠偵測身體的動作和狀態的感測器，可即時地預測使用者的活動。但因為感測器蒐集到的資料是具有時間序列性質的資料，其中的特徵值很難萃取，如果直接使用深度學習的方式索取特徵，這樣會無法保留資料中時間序列的特質，本研究中使用感測器偵測到加速度值作為訓練資料，將原本多個一維的時間序列資料利用格拉姆角場(Gramian Angular Field, GAF)做二維的圖像轉換，GAF將原始感測器資料的直角座標轉換為極座標的方式來保有時間序列資料的相關性和連續性，並以三軸資料合併轉為二維的方式做為資料的輸入，分類器使用卷積神經網路(Convolutional Neural Network, CNN)，可以自動的從圖像資料中萃取特徵值。本研究使用Actitracker的資料集，比較我們所提出的方法與CNN模型的正確率提升了5.8%。

Keyphrases: Convolutional Neural Network, Gramian Angular Field, Human Activity Recognition, time series

@booklet{EasyChair:5347,
  author    = {Wan-Yi Hsieh and Jui-Chung Hung},
  title     = {Human Activity Recognition Based on Gramian Angular Field and Convolutional Neural Network},
  howpublished = {EasyChair Preprint 5347},
  year      = {EasyChair, 2021}}