[發明專利]一種基于CNN+Transformer的三軸加速度活動識別方法

在審

• 申請號: 202110103360.4
• 申請日: 2021-01-26
• 公開（公告）號: CN112932469A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 潘曉光;王小華;韓鋒;宋曉晨;李娟
• 申請（專利權）人: 山西三友和智慧信息技術股份有限公司
• 主分類號: A61B5/11
• 分類號: A61B5/11
• 代理公司: 太原榮信德知識產權代理事務所(特殊普通合伙) 14119
• 代理人: 楊凱;連慧敏

1.一種基于CNN+Transformer的三軸加速度活動識別方法，其特征在于：包括下列步驟：

S100、數據采集：對人體運動產生的靜止、慢跑、快跑、上行、下行五種行為三軸加速度數據進行采集；

S200、數據集構建：對加速度傳感器采集到的數據按照不同的動作進行截取與標注；

S300、數據預處理：使用高通濾波器對數據進行去噪處理；

S400、數據集劃分：將三向加速度數據劃分為小段數據，構建訓練集與測試集；

S500、模型構建：使用CNN+Transformer融合網絡對三軸加速度數據進行識別，并進行模型訓練和模型驗證。

2.根據權利要求1所述的一種基于CNN+Transformer的三軸加速度活動識別方法，其特征在于：所述S100數據采集中，對50名數據采集對象佩戴電容式加速度傳感器，采集對象活動時上下、左右、前后三個方向的加速度數據，所用加速度傳感器的采集頻率為100Hz，記錄時間序列數據，采集對象根據指示做5個指定動作，分別為靜止、慢跑、快跑、上行、下行，每個動作持續10s，每個動作進行10次。

3.根據權利要求1所述的一種基于CNN+Transformer的三軸加速度活動識別方法，其特征在于：所述S200數據集構建中，將數據截取為10s長度的指定運動方式加速度數據，標注采用One-Hot方式，靜止、慢跑、快跑、上行、下行對應第1至第5類，如數據若為靜止數據，則標簽為[1,0,0,0,0]，若慢跑則為[0,1,0,0,0]，以此類推，對所有數據進行標注。

4.根據權利要求1所述的一種基于CNN+Transformer的三軸加速度活動識別方法，其特征在于：所述S300數據預處理中，使用大小為0.1Hz的高通濾波器對數據進行去噪，去除數據中的長周期背景噪聲。

5.根據權利要求1所述的一種基于CNN+Transformer的三軸加速度活動識別方法，其特征在于：所述S400數據集劃分，將10s長度的三向加速度數據分割為長度為2s的小段數據，保留其對應標簽，之后將所有數據隨機打亂，按照7:3的比例對數據集進行5次隨機劃分，構建5組訓練集與測試集。

6.根據權利要求1所述的一種基于CNN+Transformer的三軸加速度活動識別方法，其特征在于：所述S500模型構建中，使用模型為CNN+Transformer融合模型，CNN層對三維加速度數據進行維度縮減，將三分量數據降維為一維數據，提取數據特征，Transformer層用于對數據特征進行整體分析與識別，得到數據分類識別結果，識別結果通過Softmax函數進行輸出，其中S_i為i類別的softmax輸出，E_i為i類別網絡輸出值，∑e_j為所有類別的網絡輸出和，最終輸出得到的5分類中，softmax值最高的類別即為對該條數據識別結果。

7.根據權利要求1所述的一種基于CNN+Transformer的三軸加速度活動識別方法，其特征在于：所述S500中模型訓練的方法為：取每一次劃分后得到的訓練集進行訓練，得到5個參數模型，將數據輸入構建好的網絡模型中進行訓練，直到模型損失不再下降，保存模型。

8.根據權利要求1所述的一種基于CNN+Transformer的三軸加速度活動識別方法，其特征在于：所述S500中模型驗證的方法為：使用訓練得到的5個參數模型對其對應的測試集進行識別測試，若5個參數模型在測試集上的識別準確率差距不超過1％，則完成訓練，保存模型，若識別準確率差距超過1％，降低模型學習率，重復上一步流程對模型繼續進行訓練。