[發(fā)明專利]一種基于信道選擇卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010589470.1
• 申請(qǐng)日: 2020-06-24
• 公開（公告）號(hào): CN111860191A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 張雷;黃文博;王嘉琦;閔富紅
• 申請(qǐng)（專利權(quán)）人: 南京師范大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 羅運(yùn)紅

1.一種基于信道選擇卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)識(shí)別方法，其特征在于，該方法包括如下步驟：

Step1，通過移動(dòng)傳感器采集各活動(dòng)類別人體姿態(tài)動(dòng)作信號(hào)數(shù)據(jù)，并對(duì)這些動(dòng)作信號(hào)數(shù)據(jù)附上相應(yīng)的動(dòng)作屬性標(biāo)簽；

Step2，對(duì)上述采集到的動(dòng)作信號(hào)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，并將處理后的數(shù)據(jù)劃分為訓(xùn)練樣本集和測(cè)試樣本集；

Step3，對(duì)上述處理后的數(shù)據(jù)作為輸入樣本送進(jìn)信道選擇卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，設(shè)置期望通道水平、固定批次大小以后，利用梯度下降不斷減小卷積神經(jīng)網(wǎng)絡(luò)模型的損失值同時(shí)更新各權(quán)重參數(shù)，直到訓(xùn)練模型符合要求，最后在測(cè)試樣本集上訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)模型；

Step4，將訓(xùn)練好的網(wǎng)絡(luò)模型保存轉(zhuǎn)換成預(yù)設(shè)格式文件移植到移動(dòng)終端上；

Step5，通過移動(dòng)終端采集待識(shí)別的動(dòng)作信號(hào)數(shù)據(jù)，將所述動(dòng)作信號(hào)數(shù)據(jù)輸入到訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)模型識(shí)別出人體姿態(tài)動(dòng)作。

2.根據(jù)權(quán)利要求1所述的一種基于信道選擇卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)識(shí)別方法，其特征在于，Step2中，所述處理包括：數(shù)據(jù)進(jìn)行滑窗處理，通過滑窗處理將一串時(shí)序型的數(shù)據(jù)變成數(shù)個(gè)或者多個(gè)具有時(shí)序性的片段；將上述處理得到的數(shù)據(jù)進(jìn)行數(shù)據(jù)異常處理和歸一化處理，然后將其按比例縮放，使之落入(0，1)區(qū)間。

3.根據(jù)權(quán)利要求1或2所述的一種基于信道選擇卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)識(shí)別方法，其特征在于，所述Step1中，降采樣頻率設(shè)定為20Hz-40Hz。

4.根據(jù)權(quán)利要求1或2所述的一種基于信道選擇卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)識(shí)別方法，其特征在于，所述Step2中，包括對(duì)數(shù)據(jù)進(jìn)行剔除異常值和空值，并重新整理各個(gè)活動(dòng)類別的數(shù)量，使數(shù)據(jù)集服從于均勻分布，按照一定比例對(duì)數(shù)據(jù)集進(jìn)行分配作為訓(xùn)練樣本和測(cè)試樣本。

5.根據(jù)權(quán)利要求1所述的一種基于信道選擇卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)識(shí)別方法，其特征在于，所述Step3具體包括如下內(nèi)容：

(5.1)建立3層卷積神經(jīng)網(wǎng)絡(luò)模型，每層均為卷積操作組成，用信道選擇卷積層替換傳統(tǒng)卷積層；

(5.2)針對(duì)傳感器采集的原始數(shù)據(jù)，采用滑窗技術(shù)將多傳感器序列沿著時(shí)間維度滑動(dòng)處理，并將經(jīng)過頻率重采樣和歸一化處理后的新數(shù)據(jù)送入卷積神經(jīng)網(wǎng)絡(luò)，所有的輸入數(shù)據(jù)將會(huì)被劃分為若干通道，設(shè)定閾值判斷每個(gè)通道是否為有效人體姿態(tài)信息的通道，將有效人體姿態(tài)信息通道作為高權(quán)重通道，將無效人體姿態(tài)信息通道作為低權(quán)重通道，將高權(quán)重通道依次替換低權(quán)重通道，最后信道選擇卷積核重新對(duì)輸入數(shù)據(jù)進(jìn)行卷積操作。