来源：期刊VIP网 时间：
作者：李一帆;李聪聪;李亚南;王斌;
单位：河北农业大学信息科学与技术学院;
摘要：随着人口老龄化的加剧，老年人异常行为的识别技术已成为医疗保健领域亟需解决的关键问题。目前的异常行为识别算法面临一个挑战，即无法确保在识别多种异常行为的同时提高模型的识别准确率与计算效率。为解决此问题，提出一种FDS-ABPG-GoogLeNet模型。该模型采用了三种不同层级的改进Inception模块，并将这些模块在网络深层和浅层结构中并行连接，在中层结构中引入残差结构，通过特征融合的方式显著提高了网络的计算效率和识别准确率。同时，针对异常行为数据集中动作单一的问题，自建了包含多种异常动作的数据集，并通过将一维动作时序数据二维图形化处理后使得行为动作特征更易于提取。实验结果表明，所提FDS-ABPG-GoogLeNet模型的准确率、灵敏度和特异性分别达到99.40%、99.49%和99.93%。
关键词：异常行为识别;;Inception模块;;残差结构;;特征融合;;特征提取;;卷积神经网络
基金资助：河北省教育厅科学研究重点项目（ZD2021056）;; 河北省高等学校科学研究项目（203777119D）;; 2023河北省引进海外留学人员计划（C20230333）
