摘要
本发明公开了一种基于单一IMU传感器的人体动作识别方法，包括采用IMU传感器固定频率采集数据并附上动作类别标签、数据降噪和归一化处理、利用滑动窗口向神经网络模型递送数据、训练神经网络模型、模型保存并上传至服务器、手机端App获取人体动作识别结果。本发明识别方法使用BiLSTM使得神经网络模型提高了对动作数据时间序列的记忆能力，在只有一个IMU传感器的情况下依旧有很高的识别精度；同时加入注意力机制，提取动作数据的显著性特征，更全面获取动作数据时序的上下文信息，学习局部序列特征的重要程度，提升模型中重要时序特征的影响力，从而减少处理的信息量，减轻计算负荷，确保识别的实时性。
