[發明專利]一種行為識別方法及裝置

有效

• 申請號: 202010060754.1
• 申請日: 2020-01-19
• 公開（公告）號: CN111227839B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 王迎雪;劉弋鋒;鄒博超;謝海永
• 申請（專利權）人: 中國電子科技集團公司電子科學研究院
• 主分類號: A61B5/11
• 分類號: A61B5/11;A61B5/00;G01S15/58;G06F18/10;G06F18/213;G06F18/24;G06N3/0442;G06N3/0464;G06N3/084
• 代理公司: 工業和信息化部電子專利中心 11010
• 代理人: 于金平

1.一種行為識別方法，其特征在于，包括：

控制聲波發射器發射聲波信號；

采集目標對所述聲波信號的反射信號；

基于所述反射信號利用預設深度神經網絡模型確定與所述反射信號對應的行為類型，其中，所述預設深度神經網絡模型根據聲波反射信號樣本訓練得到，所述聲波反射信號樣本至少包括所述目標執行兩種類型的行為對所述聲波信號產生的反射信號；

其中，所述預設深度神經網絡模型的訓練過程，包括：

定義目標函數：

其中，f(·)為系統函數，x為訓練樣本,s為LSTM的訓練樣本，θ₁為CNN網絡中的參數集合，θ₂為LSTM網絡中的參數集合，為損失函數，整個系統的目標是尋找一組合適的θ₁和θ₂，使得最小；

將分為和兩個部分，其中，表示CNN網絡的損失函數，表示LSTM網絡的損失函數，定義如下：

其中，K表示LSTM網絡中所使用的總的階段數，k表示在使用逐層多目標方式優化LSTM網絡時的第k個階段，則表示LSTM網絡中第k個階段的損失函數；中的兩個部分都采用交叉熵進行計算，具體包括：

其中，n表示一次迭代中訓練所使用的總的聲學幀數，y⁽ⁱ⁾表示第i幀的實際值(標簽)，x⁽ⁱ⁾則表示CNN網絡的輸出；

其中，r_j表示在第k階段第j幀信號的參考值，(s_j)_k表示在第k階段第j幀信號對應的LSTM的網絡輸出。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在采集所述反射信號之后，對所述反射信號進行調制以及低通濾波；

利用端點檢測算法去除進行調制以及低通濾波后的信號的靜音部分；

通過預加重因子對去除靜音部分后的信號進行預加重處理；

對預加重處理后的信號進行分幀處理以及加窗處理。

3.根據權利要求2所述的方法，其特征在于，所述基于所述反射信號利用預設深度神經網絡模型確定與所述反射信號對應的行為類型，包括：

獲取進行分幀以及加窗處理后的信號的時序聲學特征向量梅爾頻譜；

將所述梅爾頻譜作為所述預設深度神經網絡模型的輸入，得到與所述反射信號對應的行為類型。

4.根據權利要求1所述的方法，其特征在于，所述預設深度神經網絡模型包括多層卷積深度神經網絡、線性層、多層長短時記憶網絡以及全連接層，所述多層卷積深度神經網絡的輸入與一層線性層相連，所述一層線性層與所述多層長短時記憶網絡相連，所述多層長短時記憶網絡的輸出與所述全連接層相連。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述行為類型包括以下至少一種：

慢走、慢跑、正常行走、上跳、快速奔跑以及跌倒。