轻量化CNN人体活动识别与攻击方法

发布时间：2023-04-23 01:50

　　随着人们生活水平的提高,对健康监护、运动检测等方面的需求与日俱增,因此研究人体活动识别方法具有重要的意义。在基于传感器的人体活动识别研究中,大部分研究采用加速度传感器采集人体活动数据,然后结合分类算法完成对人体活动的判断。在通过提取原始数据中的特征值对人体活动进行分类的过程中,对数据特征提取时,容易丢失关键信息,从而影响识别准确率。同时现有识别模型的通用性不强,没有充分考虑人体差异性,识别算法受到当前手持终端或可穿戴设备的资源限制,很难移植到手持终端或可穿戴设备中。另一方面,大多数人体活动识别方法的研究集中于识别算法的准确率和硬件设备性能的提升,忽略了其本身所具有的安全问题。基于上述问题,本文设计了一种轻量化卷积神经网络(Convolutional Neural Networks,CNN)人体活动识别方法,同时研究了一种对抗样本生成方法,有利于后续活动识别方法提升对于恶意攻击的防御能力。论文主要工作包括以下2个方面:(1)针对传统人体活动识别方法在提取特征值的过程中会丢失部分信息影响最终识别准确率的问题,研究了一种轻量化的卷积神经网络人体活动识别方法,该方法将加速度原始数据转换为图片格...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 存在的问题及不足
    1.3 研究目标与内容
        1.3.1 研究目标
        1.3.2 研究内容
        1.3.3 主要创新点
    1.4 论文组织结构
第二章 人体活动识别综述
    2.1 人体活动识别介绍
        2.1.1 传感器数据采集
        2.1.2 数据预处理方法
        2.1.3 滑动窗口
        2.1.4 特征提取与特征选择
    2.2 分类模型介绍
    2.3 本章小结
第三章 基于传统方法的人体活动识别
    3.1 人体活动识别的一般流程
    3.2 数据滤波
    3.3 特征值提取
    3.4 实验分析
        3.4.1 实验介绍
        3.4.2 原始数据滤波实验
        3.4.3 传统方法人体活动识别实验
    3.5 本章小结
第四章 轻量化CNN人体活动识别方法
    4.1 人体活动识别中的主要问题
    4.2 数据预处理
        4.2.1 稳定性处理
        4.2.2 数据转换
    4.3 卷积神经网络模型
    4.4 模型参数压缩
    4.5 实验分析
        4.5.1 轻量化CNN模型方法的数据预处理
        4.5.2 卷积神经网络人体活动识别模型训练
        4.5.3 卷积神经网络人体活动识别模型参数压缩
        4.5.4 卷积神经网络人体活动识别模型准确率
        4.5.5 对比实验
    4.6 本章小结
第五章 人体活动识别算法的攻击
    5.1 对抗样本生成方法介绍
    5.2 对抗样本生成方法DE-AE
    5.3 实验分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
作者简介
    作者简历
    攻读硕士学位期间发表的学术论文
    参与的科研项目及获奖情况
学位论文数据集



本文编号：3798839