[发明专利]一种基于Faster-RCNN的无线信号的时序动作检测和识别方法

权利要求书

1.一种基于Faster-RCNN的无线信号的时序动作检测和识别方法，其特征在于，所述方法包括如下步骤：

步骤1、在室内场景中采集不同动作的WiFi信号并提取通道信号状态信息CSI数据作为样本，对每个样本打上类别标签并标记动作的起点、终点时刻，并将样本划分为训练集和测试集；

步骤2、将训练集的数据输入到主干特征提取网络中，生成一维特征向量；

步骤3、将所述一维特征向量输入到候选区域网络中，生成候选动作区域；

步骤4、将候选动作区域输入到池化层，池化为统一大小特征；

步骤5、利用预测网络判断池化特征对应区域的动作类别及修正动作框；

步骤6、训练Faster-RCNN网络模型，并将测试样本输入到训练好的模型中，直接输出测试样本的动作类别和起止点，实现同步的动作识别和检测；

其中，主干特征提取网络包括：第一个卷积层，随后使用MaxPooling层，第二个卷积层及第三个卷积层；

候选区域网络包括：第一个卷积层，随后是两个同级的卷积层，分类层cls和回归层reg；

预测网络包括：一个平滑层、两个全连接层和两个同级的全连接层，最后两个同级的全连接层分别进行动作分类和动作框位置回归。

2.根据权利要求1所述的一种基于Faster-RCNN的无线信号的时序动作检测和识别方法，其特征在于，步骤1具体为，采集无线信号的CSI数据，并采用巴特沃斯低通滤波预处理数据；同时采集视频数据，利用视频数据观察动作起始和结束时间，进而作为CSI数据的起止动作时间点标签；对CSI样本打上类别标签，将采集的无线数据按照比例划分为训练集和测试集。

3.根据权利要求1所述的一种基于Faster-RCNN的无线信号的时序动作检测和识别方法，其特征在于，步骤2具体为，将CSI时序序列的通道作为特征通道，设计主干特征提取网络，并将训练数据输入该网络中，将原始的CSI数据变换成一维特征图。

4.根据权利要求1所述的一种基于Faster-RCNN的无线信号的时序动作检测和识别方法，其特征在于，步骤3中，所述候选区域网络为全卷积神经网络，输入一维特征向量后，生成一批候选动作区域。

5.根据权利要求1所述的一种基于Faster-RCNN的无线信号的时序动作检测和识别方法，其特征在于，步骤4中，采用池化方法将不同长度的候选框内特征转化成相同维度的特征向量。

6.根据权利要求1所述的一种基于Faster-RCNN的无线信号的时序动作检测和识别方法，其特征在于，步骤5中，所述预测网络包含分类层和回归层，输出候选动作框类别及偏移量，并利用偏移量对候选动作框进行修正。

7.根据权利要求1所述的一种基于Faster-RCNN的无线信号的时序动作检测和识别方法，其特征在于，将样本数据、类别标签、起止点位置分别输入到上述网络中，进行模型训练；将测试集中的样本输入到训练好的模型中，直接输出测试样本的动作类别和起止点，实现同步的动作识别和检测。