[發(fā)明專(zhuān)利]基于超寬帶穿墻雷達(dá)與CNN的檢測(cè)墻后人體動(dòng)作的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111609978.4
• 申請(qǐng)日: 2021-12-27
• 公開(kāi)（公告）號(hào): CN114333053A
• 公開(kāi)（公告）日: 2022-04-12
• 發(fā)明（設(shè)計(jì)）人: 趙子一;李文鈞;岳克強(qiáng);李懿霖;李瑞雪;梁嘉鎧;趙金鐸;甘智高;許雨婷
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州電子科技大學(xué)
• 主分類(lèi)號(hào): G06V40/20
• 分類(lèi)號(hào): G06V40/20;G06N3/04;G06N3/08
• 代理公司: 杭州浙科專(zhuān)利事務(wù)所(普通合伙) 33213
• 代理人: 楊小凡

1.基于超寬帶穿墻雷達(dá)與CNN的檢測(cè)墻后人體動(dòng)作的方法，其特征在于包括如下步驟：

S1，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，神經(jīng)網(wǎng)絡(luò)模型包括卷積層和池化層的多重組合層，以及其后續(xù)依次連接的平攤層與全連接層；

所述平攤層，將二維圖片展開(kāi)為一維數(shù)據(jù)；

所述全連接層，包括隱含層與一層輸出層；

S2，采集墻后人體的動(dòng)作圖像作為訓(xùn)練數(shù)據(jù)，并訓(xùn)練與優(yōu)化神經(jīng)網(wǎng)絡(luò)模型，調(diào)整超參數(shù)的大小與神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，調(diào)整的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包括隱含層的層數(shù)、神經(jīng)元數(shù)量、卷積層和池化層的多重組合層的層數(shù)；

S3，部署神經(jīng)網(wǎng)絡(luò)模型；

S4，使用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)待測(cè)的墻后人體的動(dòng)作圖像，選擇置信度最高的動(dòng)作，作為最終檢測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于超寬帶穿墻雷達(dá)與CNN的檢測(cè)墻后人體動(dòng)作的方法，其特征在于所述S1中，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化，包括設(shè)置無(wú)法由訓(xùn)練獲得的超參數(shù)的數(shù)值，設(shè)置神經(jīng)元排列組成的層對(duì)應(yīng)的的激活函數(shù)，設(shè)置指導(dǎo)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法的優(yōu)化器，設(shè)置用于評(píng)估訓(xùn)練模型準(zhǔn)確性的損失函數(shù)，設(shè)置回調(diào)函數(shù)。

3.根據(jù)權(quán)利要求2所述的基于超寬帶穿墻雷達(dá)與CNN的檢測(cè)墻后人體動(dòng)作的方法，其特征在于所述激活函數(shù)，包括卷積層與全連接層中的神經(jīng)元輸出數(shù)值時(shí)使用的激活函數(shù)。

4.根據(jù)權(quán)利要求2或3所述的基于超寬帶穿墻雷達(dá)與CNN的檢測(cè)墻后人體動(dòng)作的方法，其特征在于所述激活函數(shù)，為非線形激活函數(shù)。

5.根據(jù)權(quán)利要求2所述的基于超寬帶穿墻雷達(dá)與CNN的檢測(cè)墻后人體動(dòng)作的方法，其特征在于所述回調(diào)函數(shù)，用于神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過(guò)程中，及時(shí)停止過(guò)擬合的發(fā)生。

6.根據(jù)權(quán)利要求2或5所述的基于超寬帶穿墻雷達(dá)與CNN的檢測(cè)墻后人體動(dòng)作的方法，其特征在于所述回調(diào)函數(shù)，在訓(xùn)練過(guò)程中，通過(guò)測(cè)試不同超參數(shù)的訓(xùn)練結(jié)果，自動(dòng)設(shè)置最優(yōu)超參數(shù)。

7.根據(jù)權(quán)利要求1所述的基于超寬帶穿墻雷達(dá)與CNN的檢測(cè)墻后人體動(dòng)作的方法，其特征在于所述S2中，采集訓(xùn)練數(shù)據(jù)劃分為訓(xùn)練集，驗(yàn)證集與測(cè)試集，并標(biāo)注標(biāo)簽，通過(guò)訓(xùn)練集訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并調(diào)整超參數(shù)的大小與神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，通過(guò)驗(yàn)證集驗(yàn)證訓(xùn)練效果，選擇效果最好一組所使用的超參數(shù)與神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)測(cè)試集進(jìn)行準(zhǔn)確性測(cè)試，保存表現(xiàn)良好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與超參數(shù)的值。

8.根據(jù)權(quán)利要求7所述的基于超寬帶穿墻雷達(dá)與CNN的檢測(cè)墻后人體動(dòng)作的方法，其特征在于所述S2中，將采集的訓(xùn)練數(shù)據(jù)轉(zhuǎn)化為灰度圖片格式，調(diào)整為統(tǒng)一的大小并歸一化處理；所述S4中，將待測(cè)圖像數(shù)據(jù)轉(zhuǎn)化為灰度圖片格式，調(diào)整其大小與訓(xùn)練數(shù)據(jù)一致，并歸一化處理。

9.根據(jù)權(quán)利要求7所述的基于超寬帶穿墻雷達(dá)與CNN的檢測(cè)墻后人體動(dòng)作的方法，其特征在于所述訓(xùn)練數(shù)據(jù)的劃分，分別來(lái)自于數(shù)據(jù)采集的整個(gè)階段。

10.根據(jù)權(quán)利要求7所述的基于超寬帶穿墻雷達(dá)與CNN的檢測(cè)墻后人體動(dòng)作的方法，其特征在于如果在測(cè)試集的表現(xiàn)依舊良好，則保存其對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與超參數(shù)的值并進(jìn)行下一步的部署。