[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

本發明提供一種行為識別方法及裝置，用以解決相關技術中行為識別精度較低的問題。該方法包括：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產生的反射信號。本發明有效提高了行為識別的精度。

技術領域

本發明涉及行為識別技術領域，尤其涉及一種行為識別方法及裝置。

背景技術

行為識別技術在智能監控、人機交互、視頻序列理解、醫療健康等眾多領域扮演著越來越重要的角色。目前，傳統行為識別方式包括基于視頻的行為識別、基于可穿戴傳感器的行為識別、基于雷達的行為識別以及基于紅外技術的行為。基于視頻的行為識別技術是采用計算機視覺技術、圖像處理技術對視頻采集設備獲取到的用戶行為圖像序列進行處理，進而對行為或手勢進行識別。該行為識別技術計算量大，適合視距范圍的識別，容易存在視覺無法觀看到的死角，還會受到光照、障礙物等的影響，且數據存儲時的空間復雜度大和處理時的時間復雜度較大，只能用于特定場所。而基于可穿戴傳感器的行為識別方式是將加速度計等可穿戴傳感器安裝在用戶身上或者放置在目標物體上，用戶與物體互動，從而識別用戶行為。這種方法需要所有的參與者主動配合的佩戴傳感器設備，在實際的應用中，讓被測對象主動佩戴傳感器設備是不可能實現的。而基于雷達的方法識別率低，同時，超聲波在傳播過程中容易衰減，導致該方法識別范圍有限，設備成本高，且只能用于特定場合。紅外技術可在昏暗環境實現高精度的動作識別，代表性產品包括Leap?Motion與微軟的Kinect等。但紅外技術只能識別特定區域內的活動，設備購買與部署的代價高。

發明內容

本發明的主要目的在于提供一種行為識別方法及裝置，以解決相關技術中行為識別精度較低的問題。

本發明提供了一種行為識別方法，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。

可選地，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。可選地，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。

可選地，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。

可選地，所述行為類型至少包括以下一種：慢走、慢跑、正常行走、上跳、快速奔跑以及跌倒。

本發明還提供了一種行為識別裝置，包括：控制模塊，用于控制聲波發射器發射聲波信號；采集模塊，用于采集目標對所述聲波信號的反射信號；確定模塊，用于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。