[发明专利]一种基于改进卷积神经网络的人体运动状态分类方法在审
| 申请号： | 201910366410.0 | 申请日： | 2019-05-05 |
| 公开（公告）号： | CN110045348A | 公开（公告）日： | 2019-07-23 |
| 发明（设计）人： | 杨昀;李震 | 申请（专利权）人： | 应急管理部上海消防研究所 |
| 主分类号： | G01S7/41 | 分类号： | G01S7/41;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 西安长和专利代理有限公司 61227 | 代理人： | 黄伟洪 |
| 地址： | 200032 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明首先将人体目标运动简化为典型运动形式的复合运动，根据测量的生物机械实验数据提出一种人体走和跑的经验模型。并基于XYZ惯例使用欧拉旋转矩阵建立和完善了原地踏步状态和走、跑状态人体运动动画模型，其次基于连续波信号构建了人体走和跑目标整体雷达回波模型以及目标各部位的雷达回波模型，利用Matlab仿真工具分析了人体不同运动状态下雷达回波特性并通过短时傅里叶变换生成对应的时频图，为运动人体目标特征提取以及人体走跑状态识别奠定了理论基础。将人体动作的时频图划分为训练集、验证集和测试集，输入改进后的卷积神经网络进行训练，调节网络参数使模型收敛，使网络能够正确分类人体运动状态。 | ||
| 搜索关键词： | 雷达回波 卷积神经网络 人体运动状态 时频 短时傅里叶变换 运动人体目标 连续波信号 典型运动 动画模型 复合运动 工具分析 经验模型 理论基础 人体动作 人体目标 人体运动 生物机械 实验数据 特征提取 网络参数 旋转矩阵 运动状态 状态识别 测试集 训练集 验证集 分类 踏步 构建 收敛 改进 测量 网络 | ||
【主权项】：
1.一种改进卷积神经网络，其特征在于，所述改进卷积神经网络有4个卷积层，每个卷积层后有LRelu激活函数层，前三个卷积层后的池化层采用的2×2最大池化，最后一个卷积层后的池化层采用的4×4最大池化；第一个卷积层用128个5×5的卷积核，pad为2；第二个和第三个卷积层用128个3×3的卷积核，pad为1；最后一个卷积层用64个3×3的卷积核，pad为1；4个卷积层后有2个全连接层；第一个全连接层把4×4×64的特征图和256×1的向量全连接，然后用LRelu激活函数激活，第二个全连接层降维到2×1，输出层用softmax实现二分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于应急管理部上海消防研究所，未经应急管理部上海消防研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910366410.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种人体微动回波仿真方法
- 下一篇：一种鉴定方法、装置、设备及存储介质
