[發(fā)明專利]一種基于改進LSTM模型的按壓動作識別方法在審
| 申請?zhí)枺?/td> | 202011084907.2 | 申請日： | 2020-10-12 |
| 公開（公告）號： | CN112257845A | 公開（公告）日： | 2021-01-22 |
| 發(fā)明（設(shè)計）人： | 李紫薇;喬元風(fēng);黃勇;蔣偉;曾凡 | 申請（專利權(quán)）人： | 萱闈（北京）生物科技有限公司 |
| 主分類號： | G06N3/04 | 分類號： | G06N3/04;G06N3/08;G06T5/00;G06T11/20;G06K9/00 |
| 代理公司： | 鄭州中原專利事務(wù)所有限公司 41109 | 代理人： | 李想 |
| 地址： | 100010 北京市東城區(qū)王府井*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 改進 lstm 模型 按壓 動作 識別 方法 | ||
1.一種基于改進LSTM模型的按壓動作識別方法，其特征在于：它包括如下步驟：
步驟一，實時獲取心肺復(fù)蘇按壓過程中的視頻幀；
步驟二，根據(jù)不同視頻幀之間的相互關(guān)系，加入注意力機制，設(shè)i時刻的視頻幀所提取的特征為xi，按壓動作狀態(tài)為hiprev，則
其中Qi和Ri為實現(xiàn)骨姿態(tài)節(jié)點為xi和按壓動作狀態(tài)為hiprev交互所設(shè)置的矩陣，σ代表Sigmoid函數(shù)，r為超參數(shù)，表示采用多少幀圖片所提取的特征；
步驟三，對LSTM模型進行改進，改進的模型如下：
其中，和均代表各個項的權(quán)重，為網(wǎng)絡(luò)學(xué)習(xí)的參數(shù)，初始化為=1/n，n代表所進行計算的圖像幀數(shù)，j代表第j幀圖像所提取特征，i代表第i幀圖像所提取特征；
步驟四，根據(jù)增強后的視頻幀xi和按壓動作狀態(tài)hjprev，識別心肺復(fù)蘇動作情況。
2.根據(jù)權(quán)利要求1所述的基于改進LSTM模型的按壓動作識別方法，其特征在于：所述心肺復(fù)蘇動作情況包括按壓深度、按壓部位和按壓頻率。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于萱闈（北京）生物科技有限公司，未經(jīng)萱闈（北京）生物科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011084907.2/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 用于高階長短期記憶網(wǎng)絡(luò)的系統(tǒng)和方法
- 基于深度學(xué)習(xí)LSTM的空調(diào)故障診斷方法
- 基于注意力機制的時間序列預(yù)測方法、裝置及存儲介質(zhì)
- 一種基于PCA-LSTM網(wǎng)絡(luò)的廢水處理智能監(jiān)控方法
- 一種基于FAF-LSTM深度神經(jīng)網(wǎng)絡(luò)的居民負荷預(yù)測方法及系統(tǒng)
- 用于預(yù)測血糖水平的循環(huán)神經(jīng)網(wǎng)絡(luò)裝置和系統(tǒng)
- 基于情景LSTM結(jié)構(gòu)網(wǎng)絡(luò)的微博情感分析方法
- 語音信號處理方法、裝置、電子設(shè)備和存儲介質(zhì)
- 基于約束并行LSTM分位數(shù)回歸的電力負荷概率預(yù)測方法
- 基于深度網(wǎng)絡(luò)AS-LSTM的命名實體識別系統(tǒng)及識別方法
