[发明专利]用于人类活动识别的人工神经网络

权利要求书

1.一种用于识别人类活动的方法，包括：

接收由可穿戴设备感测的活动相关的数据；

对于所接收的活动相关的数据，使用神经网络来确定活动分类，所述神经网络采用活动分类模型，所述活动分类模型使用分类均衡的训练数据集合来训练，其中所述分类均衡的训练数据集合包括：

第一活动类的第一数据集合，所述第一数据集合包括第一多个数据序列，并且所述第一数据集合共同具有样本数N，其中所述第一多个数据序列中的每个数据序列具有相应的长度，并且数据序列长度与所述数据序列中的数据样本数相关；以及

多个附加数据集合，每个附加数据集合用于多个附加活动类的一个附加活动类，并且每个附加数据集合包括多个数据序列，所述多个数据序列用于共同具有相应的样本数N_j的相应的所述附加活动类，所述多个数据序列中的数据序列用于具有截断的序列长度t_j的相应的附加活动类，其中超过所述截断的序列长度t_j的序列中的样本被丢弃，j代表相应的所述附加活动类，并且所述截断的序列长度t_j是最小序列长度，对于该最小序列长度，用于所述附加活动类的所述样本数N_j等于或超过所述样本数N；以及

使用神经网络生成分类信号，所述分类信号为每个确定的所述活动分类在所述第一活动类和所述多个附加活动类中选择活动类。

2.根据权利要求1所述的方法，其中用于每个所述附加数据集合的样本总数在所述样本数N的阈值之内。

3.根据权利要求2所述的方法，包括：

生成所述分类均衡的训练数据集合；以及

使用所述分类均衡的训练数据集合，训练所述活动分类模型。

4.根据权利要求3所述的方法，包括：

接收训练数据集合，所述训练数据集合包括所述第一多个数据序列，并且包括所述多个附加活动类的第二多个数据序列，在截断之前，所述第二多个数据序列共同具有大于所述样本数N_j的样本数，其中针对每个相应的附加活动类的所述多个数据序列，生成所述分类均衡的训练数据集合包括：

确定所述截断的序列长度t_j；以及

将相应的所述附加活动类的所述第二多个数据序列中的数据序列的序列长度截断至所述截断的序列长度t_j。

5.根据权利要求1所述的方法，其中所述神经网络包括使用具有前馈架构的人工神经网络。

6.根据权利要求5所述的方法，其中所述人工神经网络包括分层架构，所述分层架构包括以下中的一个或多个：

一个或多个卷积层；

一个或多个池化层；以及

一个或多个柔性最大值传输函数层。

7.根据权利要求6所述的方法，其中所述人工神经网络包括有限状态机。

8.根据权利要求1所述的方法，其中所述确定包括使用具有循环架构的人工神经网络。

9.根据权利要求8所述的方法，其中所述人工神经网络包括有限状态机。

10.根据权利要求1所述的方法，其中所述确定包括使用特征提取和随机森林。

11.根据权利要求10所述的方法，其中所述确定包括应用时间滤波器。

12.根据权利要求1所述的方法，其中所述活动相关的数据包括以下中的一个或多个：

加速度数据；

定向数据；

地理位置数据；以及

生理数据。