[發明專利]一種基于信道選擇卷積神經網絡的人體姿態識別方法

在審

• 申請號: 202010589470.1
• 申請日: 2020-06-24
• 公開（公告）號: CN111860191A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 張雷;黃文博;王嘉琦;閔富紅
• 申請（專利權）人: 南京師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 羅運紅

本發明公開了一種基于信道選擇卷積神經網絡的人體姿態識別方法，包括：利用移動設備采集人體動作的原始數據，附上動作的標簽、利用滑窗和歸一化處理并切分為訓練樣本集和測試樣本集、建立基于信道選擇卷積神經網絡模型，與常規神經網絡相比，引入了信道選擇卷積核策略，首先是對輸入樣本利用期望通道損失矩陣判斷通道的權重，然后再對權重低的通道進行阻斷，權重高的通道進行重分配，為了防止多樣性的缺失，在重分配后加入了空間位移經過多層訓練后，進行姿態識別。由于空間位移的作用，空間偏置會向中間聚集，所以卷積核相當于被擴大，所以當樣本輸入時，參數可以被更好的利用，并且保持參數量不變，本發明具有識別精準。

技術領域

本發明屬于智能監控領域，尤其涉及一種基于信道選擇卷積神經網絡的人體姿態識別方法。

背景技術

近年來，隨著計算機技術的發展和智能科技的普及，當前已經進入了新一輪的全球科技變革，大規模云計算、物聯網、大數據和人工智能等技術也在飛速發展。其中，人體姿態識別技術也在計算機視覺相關領域的一個重要研究趨勢。其應用范圍十分廣泛，可用于健康監視，運動檢測，人機交互、影視制作、游戲娛樂等各種領域。人們可以利用人體隨身佩戴的傳感器來收集人體關節點運動軌跡數據來實現姿態識別，還可以實現3D動畫模擬人體運動來制作電影電等。

隨著智能可穿戴設備研究的不斷發展，基于可穿戴傳感器的人體姿態識別已經成為了重要的研究領域，他是通過分析能夠反映人體運動行為的相關信息來判斷人體運動行為狀態的技術。在健康監護、室內定位與導航、用戶社交行為分析，體感游戲等。但是目前的人體姿態識別系統大都存在識別精度低，內存使用量大等問題，所以如何建立一個高精度的網絡模型同時保持推斷速度便成為了亟待解決的問題。

人體姿態識別目前最為廣泛的應用是在于智能監控中。智能監控與一般普通監控的區別主要在于將人體姿態識別技術嵌入視頻服務器中,運用算法,識別、判斷監控畫面場景中的動態物體——行人、車輛的行為,提取其中關鍵信息,當出現異常行為時,及時向用戶發出警報。同樣,固定場景下的人體姿態識別技術可以應用于家庭監控,如為了預防獨居老人摔倒情況的發生,可以通過在家中安裝識別摔倒姿態的智能監控設備,對獨居老年人摔倒情況的識別,當出現緊急情況時及時做出響應。人類社會的不斷發展與生活質量的不斷提升,視頻監控已經被非常廣泛地應用到各個領域,人們生活空間的不斷擴大和延展,公共及私人場所的領域也在隨之發展,遇到各種突發情況的概率在不斷增加,尤其是在公共場所,由于其監控難度較大,人口密集。通過簡單的監控,已經無法滿足當今社會發展的要求,簡單地依靠值班人員的堅守,想要真正做到人體姿態預測還有較大難度,對于社會資源也是一種潛在的浪費。因此,選用獨立于個體的智能監控系統已經成為當前社會解決這一根本問題的必由之路,在社交的過程中,人類除了語言以外其肢體動作也能傳遞一定的信息,通過較為科學合理的預測能夠實現動作的含義解讀,并且更好幫助人們的實現社交。

深度學習在模式識別上有著很好的發展前景。其中以卷積神經網絡為代表的模型架構更是占據了主流地位。卷積神經網絡在計算機視覺領域受到極大關注，它不僅可以處理多維數據，而且在大數據量的前提下比傳統方法效果更加顯。對比傳統的機器學習方法，例如邏輯回歸，決策樹，馬爾科夫模型等，精度提高的同時，內存消耗也更多，人體姿態識別更多是應用在小內存和小處理器的基礎上。因此節約內存的同時大幅度提高精度是需要進一步研究的。

發明內容

發明目的：因為現在移動設備的興起，需要更加便攜更精確且耗時少的模型來進行人體姿態分類。在保持計算速度、占用內存量不變的基礎上，信道選擇卷積神經網絡可以提升人體姿態分類的精度。

技術方案：本發明提出一種基于信道選擇卷積神經網絡的人體姿態識別方法，該方法包括如下步驟：

Step1，通過移動傳感器采集各活動類別人體姿態動作信號數據(例如躺下，站起，行走，跑步，跌倒等)，設置采樣頻率并對這些動作信號數據附上相應的動作屬性標簽；