[发明专利]一种面向可穿戴传感器的人类活动识别方法在审
| 申请号： | 201910887761.6 | 申请日： | 2019-09-19 |
| 公开（公告）号： | CN110664412A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 马春梅;孙华志;姜丽芬;梁研;宿通通 | 申请（专利权）人： | 天津师范大学 |
| 主分类号： | A61B5/11 | 分类号： | A61B5/11;G06K9/62 |
| 代理公司： | 12214 天津创智天诚知识产权代理事务所(普通合伙) | 代理人： | 王海滨 |
| 地址： | 300387 *** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种面向可穿戴传感器的人类活动识别方法，首先，将感知的时序异构数据形成指纹矩阵并将按滑动窗口的大小进行切分后的数据作为模型输入，然后通过由前向长短期记忆和后向长短期记忆构成的双向LSTM层处理输入数据，获得源数据的粗粒度特征，之后以注意力机制层对先前的粗粒度特征进行重要度计算，以便获得能够反映活动特性的细粒度特征，最后用分类的逻辑回归处理细粒度特征，获得当前数据的多个标签的概率分布，从而最终判定活动类型。本发明提高了可穿戴传感器对用户活动的认知能力，可以对用户活动进行精确的识别，提高人机交互能力。 | ||
| 搜索关键词： | 用户活动 粗粒度 可穿戴 细粒度 传感器 矩阵 注意力机制 时序 概率分布 滑动窗口 活动类型 活动特性 逻辑回归 模型输入 人机交互 人类活动 认知能力 异构数据 源数据 重要度 后向 前向 感知 指纹 判定 标签 分类 | ||
【主权项】：
1.一种面向可穿戴传感器的人类活动识别方法，该方法基于分层深度学习模型，其特征在于：该方法包括以下步骤：/n(1)将可穿戴传感器感知的时序异构数据形成上下文指纹矩阵，并利用滑动窗口重叠机制进行数据标注，对感知的数据标识出活动类别的标签；/n(2)通过由前向长短期记忆和后向长短期记忆构成的双向LSTM层处理输入数据，获得源数据的粗粒度特征；/n(3)利用Attention机制对粗粒度特征进行重要度计算，获得能够反映活动特性的细粒度特征；/n(4)通过分类的逻辑回归方法处理细粒度特征，获得当前数据的多个标签的概率分布，概率最大的为当前感知数据的活动类型；/n(5)通过步骤(1)带标签的数据集训练步骤(2)-(4)的网络模型，进而得到最终的分层深度学习模型。/n
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天津师范大学，未经天津师范大学许可，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/201910887761.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种造口评估尺及造口评估套件
- 下一篇：动物反刍监测装置及方法
