《表6 LSTM-RNN 10种活动分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于可穿戴传感器的普适化人体活动识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

最后，从所有类别的活动中取出其中的6类，分别是躺、坐、站、看电视、开车和电脑前工作，并通过LSTM-RNN算法进行如下实验。首先，仅利用胸部佩戴的四类传感器（即Acc+Gyro+Mag+HR）采集的数据来分类上述6类活动，然后，用所有传感器采集的数据来分类此6类活动，并进行对比，结果分别如表6中E1、E2所示。从表中E1可以看到，仅通过躯干处的惯性传感器和心率，无法准确的区分此6类活动。直观上理解，此6类活动的运动强度都不大，而且对应的躯干处的运动模式类似，造成分类效果不佳。当采用本文设计的传感器佩戴方式，全面捕捉躯干和四肢运动，融合身体各部位的各类传感数据后，可以更准确地区分开此6类活动。