Human physical activity recognition algorithm based on smartphone   data and long short time memory neural network

Chen, Z. Y.; Yang, Z. X.; Li, H.

Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/51573

Title:	Human physical activity recognition algorithm based on smartphone data and long short time memory neural network
Other Titles:	Алгоритм распознавания физической активности человека на основе данных смартфона и длительной короткой памяти нейронной сети
Authors:	Chen, Z. Y. Yang, Z. X. Li, H.
Keywords:	материалы конференций;mobile acceleration sensor;long short time memor;classification accuracy
Issue Date:	2023
Publisher:	БГУИР
Citation:	Chen, Z. Y. Human physical activity recognition algorithm based on smartphone data and long short time memory neural network / Z. Y.Chen, Z. X. Yang, H. Li // BIG DATA и анализ высокого уровня = BIG DATA and Advanced Analytics : сборник научных статей IX Международной научно-практической конференции, Минск, 17–18 мая 2023 г. : в 2 ч. Ч. 1 / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск, 2023. – С. 21-28.
Abstract:	The continuous advancement of smartphone sensors has brought more opportunities for the universal application of human motion recognition technology. Based on the data of the mobile phone's three-axis acceleration sensor, using combining a double-layer Long Short Time Memory (LSTM) and full connected layers allow us to improve human actions recognition accuracy, including walking, jogging, sitting, standing, and going up and down stairs. This is helpful for smart assistive technology. It is shown that physical activity classification accuracy is equal to 97 %.
Alternative abstract:	Постоянное совершенствование датчиков смартфонов открыло больше возможностей для универсального применения технологии распознавания движений человека. Основываясь на данных трехосевого датчика ускорения мобильного телефона, использование сочетания двухслойной долговременной памяти (LSTM) и полносвязных слоев позволяет нам повысить точность распознавания действий человека, включая ходьбу, бег трусцой, сидение, стояние и подниматься и спускаться по лестнице. Это полезно для интеллектуальных вспомогательных технологий. Показано, что точность классификации физической активности составляет 97 %.
URI:	https://libeldoc.bsuir.by/handle/123456789/51573
Appears in Collections:	BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2023)

Files in This Item:

File	Description	Size	Format
Chen_Human.pdf		1.4 MB	Adobe PDF	View/Open

Show full item record Google Scholar