计算机应用

作者：刘世泽, 秦艳君, 王晨星, 高存远, 罗海勇, 赵方, 王宝会

单位：1. 北京航空航天大学 软件学院, 北京 100191;2. 北京邮电大学 计算机学院, 北京 100876;3. 中国科学院 计算技术研究所, 北京 100190

关键词：行为识别,交通模式识别,残差网络,带孔卷积,低功耗

基金：国家自然科学基金资助项目（61872046）；北京邮电大学提升科技创新能力行动计划项目（2019XD-A06）。

针对普适交通模式的场景感知功耗高、场景复杂的问题，提出一种融合残差网络（ResNet）和带孔卷积的交通模式识别算法。首先，使用快速傅里叶变换（FFT）将一维传感器数据转换为二维频谱图像；然后，使用主成分分析（PCA）算法对频谱图像降采样；最后，使用ResNet挖掘交通模式的局部特征，使用带孔卷积挖掘交通模式的全局特征，从而实现对八种交通模式进行识别。与决策树、随机森林、AlexNet等八种算法在实验中的对比评估结果显示，融合ResNet和带孔卷积的交通模式识别算法在静止、走路、跑步等八类交通模式上均有最高准确率。该算法具有良好识别精度和鲁棒性。

来源：2021年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第6期