[发明专利]基于深度学习的人体行为识别系统

权利要求书

1.基于深度学习的人体行为识别系统，其特征在于，所述系统包含神经网络模型，所述神经网络模型包含：embedding层、LSTM、全连接层和softmax层；所述神经网络模型的训练或预测中，信号的向前传输过程为：将训练样本的(dx_i，dy_i，dt_i)信号输入embedding层，由所述embedding层将dx_i、dy_i、dt_i分别转化成对应的m维的向量，并将dx_i、dy_i、dt_i对应的m维向量拼接成一个3m维的向量；将该3m维的向量依时序输入LSTM神经网络中，由LSTM神经网络输出3m*L维的该条轨迹的表示向量到全连接层中，并通过softmax层输出该条轨迹是否是人体行为的判断结果。

2.如权利要求1所述的系统，其特征在于，所述系统，使用人体行为和机器行为所生产的鼠标运动轨迹训练样本来训练包含LSTM网络的神经网络模型，并使用训练后的神经网络模型来判断当前页面的操作主体是否为人体行为。

3.如权利要求2所述的系统，其特征在于，所述系统的神经网络使用海量人体行为的正样本和在人体行为基础上所产生机器行为负样本来进行训练。

4.如权利要求3所述的系统，其特征在于，所述系统使用鼠标轨迹信息的一阶差值(dx_i，dy_i，dt_i)来描述操作行为，其中dx_i＝x_i-x_i-1，dy_i＝y_i-y_i-1，dt_i＝t_i-t_i-1，x_i为鼠标的在屏幕位置的横坐标值，y_i为鼠标在屏幕位置的纵坐标值，t_i为时刻信息。

5.如权利要求4所述的系统，其特征在于，负样本由机器生成，生成的方式如下：

a、在设置的最大取值范围内，随机产生轨迹长度，随机生成(dx_i，dy_i，dt_i)；

b、在正样本集中抽取N条轨迹，将抽取到的轨迹随机分割成n个子段，将分割成的子段随机组拼接成新的轨迹；

c、在正样本中抽取M条轨迹；计算出对应轨迹的横向移动总距离sum(dx_i)、纵向移动总距离sum(dy_i)和移动总时间sum(dt_i)；随机生成横向移动总距离sum(dx_i)’，纵向移动总距离sum(dy_i)’和移动总时间sum(dt_i)’，使用以下公式生成新的运动轨迹的描述参数(dx′_i，dy′_i，dt_i′)：

dxi′=dxisum(dxi),sum(dxi)]]>

dyi′=dyisum(dyi),sum(dyi)]]>

dti′=dtisum(dti),sum(dxti)]]>

d、在正样本中抽取K条轨迹；在对应轨迹的dx_i，dy_i，dt_i基础上分别随机产生[-0.5，0.5]倍的扰动，获得新的运动轨迹的描述参数。

6.如权利要求1至5之一所述的系统，其特征在于：所述系统为加载有如权利要求1至5之一所述功能程序的计算机或者服务器。