广州中医药大学医学信息工程学院　谭火媛　罗晓牧



人体动作识别中的深度学习模型选择

广州中医药大学医学信息工程学院谭火媛罗晓牧

目前深度学习已成为机器学习领域最热门的研究方向，在众多应用领域取得良好的效果，这使得不少深度学习爱好者跃跃欲试。然而，虽然关于深度学习的研究论文日益增多，但是仍然缺乏如何针对不同的应用场景选择合适的深度学习模型的指导。本文探讨了根据可穿戴式传感器在人体动作识别中的信号特点，为如何根据不同的动作识别任务选择合适的深度学习模型提供参考。

深度学习；动作识别；卷积神经网络（CNN）；递归神经网络（RNN）

在普适计算 （Ubiquitous Computing） 中，基于深度学习的人体动作识别开始逐渐地取代现存依赖于人工手动特征提取和分类的分析方法。但是对于各种不同的动作识别任务，包括精准手势动作识别、跑步、上楼梯等不同粒度的行为，如何选择合适的模型仍然没有一个统一的分析方法。本文通过结合深度学习领域最新的论文，探索卷积神经网络 （Convolutional networks， CNN）和递归神经网络（Convolutional Neural Network， RNN）在人体动作识别中的应用。通过大量随机采样模型配置的动作识别实验，比较不同模型在人体动作识别的不同任务上的适用性，可以为对深度学习感兴趣的研究人员提供一定的参考。

1　深度学习在人体动作识别中的研究现状

在过去十年中，深度学习已成为机器学习领域最热门的研究方向，并且在学术研究和商业用途的驱动下，出现越来越多的变体。……