一个支持物联网的CRNN框架,用于安全的可穿戴式基于传感器的体育教育活动识别.

科学领域:

• 计算机科学 计算机科学
• 生物医学工程 生物医学工程
• 物联网的物联网,就是物联网.

背景情况:

• 数字技术和可穿戴传感器使大规模的生理和动力学数据采集成为可能.
• 由于传感器数据的时空依赖性,准确地识别人类活动是具有挑战性的.
• 现有的方法很难从多式联络可穿戴传感器流中有效地建模复杂的模式.

研究的目的:

• 提出一种新的以物联网为导向的活动识别框架,使用卷积循环神经网络 (CRNN).
• 为了有效地建模多式联网可穿戴传感器数据流的空间和时间特征,以增强活动分类.
• 证明框架在传统和深度学习方法上的优势.

主要方法:

• 利用了多维可穿戴传感器数据集,包括生理和惯性测量.
• 应用预处理和时间细分到原始传感器信号.
• 采用了CRNN架构,集成卷积神经网络 (CNN) 进行空间特征提取和循环神经网络 (RNN) 进行时间建模.

主要成果:

• 拟议的CRNN框架实现了98.2%的分类准确度,97.2%的灵敏度,99.2%的特异性,97.4%的回忆率和97.6%的精度.
• 与五种代表性基线方法相比,表现出优异的性能.
• 展示了更高的识别准确性和更大的概括稳定性.

结论:

• CRNN框架为基于可穿戴传感器的活动识别提供了有效的解决方案.
• 该模型显示了在支持物联网的监控和教育环境中部署的巨大潜力.
• 对CNN和RNN的协同整合有效地解决了传感器数据中的时空依赖.