Human Activity Recognition Using Weighted Average Ensemble by Selected Deep Learning Models

Waseem Akhtar

doi:10.32604/cmes.2026.071669

Human Activity Recognition Using Weighted Average Ensemble by Selected Deep Learning Models

2026-02-01

0

PRE

AI

DOI：10.32604/cmes.2026.071669

原文链接

摘要

En 中文

人体活动识别（HAR）是计算机视觉的一个新兴领域。它对医疗保健、智能环境和监控具有重大影响，能够自动检测人类行为。它在许多应用中发挥着关键作用，例如智能家居、医疗保健、人机交互、运动分析，尤其是智能监控。在本文中，我们提出了一种利用深度学习范式的鲁棒且高效的HAR系统，包括预训练模型、CNN架构及其加权平均融合。然而，由于人类动作的多样性和各种环境因素的影响，以及数据和资源的缺乏，实现高识别精度仍然难以捉摸。在本工作中，采用加权平均集成技术融合了三种深度学习模型：EfficientNet、ResNet50和一个自定义CNN。这项研究的结果表明，使用加权平均集成策略来开发更有效的HAR模型可能是检测和分类人类活动的有前景的想法。使用基准数据集的实验证明，所提出的加权集成方法在准确度和其他关键性能指标方面优于现有方法。预训练和CNN模型的组合加权平均集成获得了98%的准确率，而自定义CNN、EfficientNet和ResNet50模型的准确率分别为97%、96%和95%。

Keyword:

Artificial intelligence

computer vision

deep learning

recognition

human activity

classification

image processing

Human Activity Recognition Using Weighted Average Ensemble by Selected Deep Learning Models

摘要

期刊

机构

引用论文