基于LSTM与CNN融合的智能手机步态身份识别
Smartphone Gait Recognition Based on LSTM and CNN Fusion
摘要 首先提出长短期记忆网络(long short-term memory, LSTM)与卷积神经网络(convolutional neural network, CNN)相融合的步态身份识别模型，该模型可以自动提取活动特征，并使用少量的模型参数对活动特征进行分类；然后利用其进行用户身份的识别。实验结果表明，该模型识别准确率约为97.68%，损失率约为0.05，相较于其他模型身份识别率显著提高。
关键词 ：
智能手机 ,
LSTM ,
CNN ,
身份识别
Abstract ：We propose a gait recognition model that fuses long short-term memory(LSTM) and convolutional neural network(CNN), the model can automatically extract activity features and classify them using a small number of model parameters, and we utilize this model for user identification. The experimental results show that the recognition accuracy of the model is about 97.68 % and the loss value is about 0.05, which significantly improves the recognition rate compared to other models.
Key words ：
smartphone
LSTM
CNN
gait recognition
[1]
赵兴旺, 陶安迪, 陈 健, 刘 超, 程茂原. 智能手机GNSS数据质量分析与随机模型建立
[2]
肖海平, 王顺辉, 陈兰兰, 范永超, 万俊辉. 一种融合GA和LSTM的边坡变形预测优化网络模型及其应用
[3]
蓝敏益,高成发. 基于智能手机自设基站的相对定位分析
[4]
蒋春华, 朱美珍, 薛慧杰, 刘广盛. 基于长短时记忆神经网络的Multi-GNSS卫星钟差建模预报
[5]
熊思亦, 熊永良. 基于CEEMDAN-LSTM组合方法的海平面变化预测分析
[6]
祝会忠, 王东明, 李骏鹏, 王喆世. Android智能手机星间单差法伪距平滑算法研究
[7]
吉长东, 杨 超, 王 强. 基于EEMD-LSTM模型的BDS卫星轨道预报精度分析
[8]
王 威, 胡彩波, 赵 鹤, 王宇谱, 曹湘君, 李林阳. 一种LSTM神经网络在卫星钟频率快速变化期间钟差预报的应用
[9]
王瑞光, 王中元, 胡 超, 王阳阳, 刘冰雨. 智能手机BDS-3/GPS数据质量及SPP性能分析
[10]
张 拓, 叶世榕, 夏朋飞, 许晓东. Android智能手机联合高度角与信噪比的GPS/BDS定位随机模型研究
[11]
甘 露,高成发,尚 睿. 安卓智能手机GNSS数据筛选方案研究
[12]
舒 宝,义 琛,王 利,许 豪,田云青. 华为P30手机GPS/BDS/GLONASS/Galileo观测值随机模型优化及定位性能分析
[13]
姚志伟,陈 雨. 基于深度神经网络的GRACE等效水高及地表形变量预测
[14]
胡 锐，吴 飞，通雁辉，朱 海，鄢 松，陆雯霞. 一种基于行人航位推算的改进航迹跟踪算法
[15]
陈善鹏,尹 玲,梁诗明,胡向阳,余小燕. 深度学习预测GPS时间序列在探索门源MS 6.4地震前兆中的应用
