[发明专利]基于GRU神经网络的行人步行零速检测方法及装置

权利要求书

1.一种基于GRU神经网络的行人步行零速检测方法，其特征在于，所述GRU包括更新门和复位门，所述方法包括以下步骤：

实时接收并且记录IMU发出的数据x_t；

当前状态输入的数据x_t与前一时刻的隐藏层输出的数据h_t-1经过更新门输出一个0到1之间的数值，计算得到更新门向量u_t；

数据x_t和数据h_t-1进入复位门的sigmoid层输出一个0到1之间的数值，计算得到复位门向量r_t，同时tanh层创建新的候选记忆值向量

将更新门向量u_t作为权重向量，候选记忆值向量和前一时刻的隐藏层输出的数据h_t-1通过加权平均得到GRU单元的输出向量h_t；

选取不同的数据x_t作为输入向量重复上述步骤，进行GRU训练和验证，得到最优GRU模型，通过最优GRU模型对采集的数据进行行人步行零速检测判断。

2.如权利要求1所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，将IMU固定在鞋底，通过手持设备实时接收并且记录IMU发出的数据x_t。

3.如权利要求2所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，所述IMU为6轴IMU设备。

4.如权利要求1所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，所述更新门向量u_t计算公式如下：

u_t＝σ(b_u+U_ux_t+W_uh_t-1)

其中，u_t代表t时刻更新门向量，σ为激活函数，b_u表示更新门的偏置向量，U_u表示更新门的输入权重，W_u表示更新门的循环权重，x_t表示t时刻的IMU发出的数据，h_t-1表示t-1时刻的隐藏层输出的数据。

5.如权利要求4所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，所述复位门向量r_t计算公式如下：

r_t＝σ(b_r+U_rx_t+W_rh_t-1)

所述候选记忆值向量计算公式如下：

其中，r_t代表t时刻复位门向量，b_r表示复位门的偏置向量，U_r表示复位门的输入权重，W_r表示复位门的循环权重，表示t时刻候选记忆值向量，b_s表示候选记忆单元的偏置向量，U_s表示候选记忆单元的输入权重，W_s表示候选记忆单元的循环权重，tanh表示激活函数。

6.如权利要求5所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，所述GRU单元的输出向量h_t计算公式如下：

其中，h_t表示t时刻GRU单元的输出向量。

7.如权利要求6所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，选取不同的数据x_t作为输入向量，地面零速度标签作为真值重复上述步骤，进行GRU训练和验证。

8.如权利要求7所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，选取150组数据进行GRU训练，50组数据进行GRU验证。