[发明专利]一种基于融合注意力机制的人体行为识别方法

权利要求书

1.一种基于融合注意力机制的人体行为识别方法，其特征在于，包括：

采集穿戴式设备上的多源异构传感器获取的人体姿态数据，构成数据集，并进行预处理；

将数据集输入训练好的深度行为识别模型，获得人体行为分类结果；

其中，所述的深度行为识别模型包括：

传感器通道注意力模块，用于提取多个传感器通道间的作用关系特征；

卷积网络模块，用于根据传感器通道间的作用关系特征，获取同一时刻下每个传感器特征通道的模态特征；

循环神经网络模块，用于根据模态特征的时间序列提取时间特征；

时序注意力模块，用于根据时间特征获取同一时间片内不同时刻的注意力权重，并根据注意力权重对时间特征进行加权，获得注意力特征；

全连接层行为判断模块，用于根据注意力特征，通过全连接层获取人体行为概率分布，并将概率最大的人体行为作为时间片内的人体行为分类结果。

2.根据权利要求1所述的一种基于融合注意力机制的人体行为识别方法，其特征在于，所述的预处理的具体过程包括：

对数据集进行滤波处理；

采用合成少数过采样技术对数据集中的不平衡类数据进行处理；

采用定长滑窗法对数据集进行信号分割。

3.根据权利要求2所述的一种基于融合注意力机制的人体行为识别方法，其特征在于，所述的合成少数过采样技术的计算公式为：

c＝a+rand(0,1)*|a-b|

其中，a为原始样本点数据，b为欧式距离下与a最近邻的另一个样本数据，c为合成采样得到的样本数据，rand(0,1)表示0到1之间的随机数。

4.根据权利要求2所述的一种基于融合注意力机制的人体行为识别方法，其特征在于，所述的滤波处理的具体过程包括：

通过中值滤波和三阶巴特沃斯低通滤波器对数据集进行去噪。

5.根据权利要求2所述的一种基于融合注意力机制的人体行为识别方法，其特征在于，所述的定长滑窗法中滑动窗口的重叠度为50％。

6.根据权利要求1所述的一种基于融合注意力机制的人体行为识别方法，其特征在于，所述的传感器通道注意力模块为SENet中的SE通道注意力模块。

7.根据权利要求1所述的一种基于融合注意力机制的人体行为识别方法，其特征在于，所述的卷积网络模块为CNN、Resnet或深度可分离卷积。

8.根据权利要求1所述的一种基于融合注意力机制的人体行为识别方法，其特征在于，所述的循环神经网络模块为LSTM或GRU。

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器调用所述程序指令能够执行如权利要求1至8任一所述的人体行为识别方法。

10.一种计算机可读存储介质，其特征在于，包括计算机程序，所述计算机程序能够被处理器执行以实现如权利要求1-8任一所述的人体行为识别方法。