[发明专利]一种基于Lora和Capsule的实时行为识别系统及其工作方法

权利要求书

1.一种基于Lora和Capsule的实时行为识别系统，其特征在于，包括依次连接的行为信息物理层、行为信息接入层、行为信息平台层、行为信息应用层；

所述行为信息物理层用于：从环境中感知、采集、存储、传输用户的行为信息，行为信息包括：加速度、角速度、心率；

所述行为信息接入层用于：将采集的行为信息通过低功耗广域物联网进行组网传输；

所述行为信息平台层用于：对行为信息依次进行不确定性检测、标准化和基于时间序列的截取、在搭建的网络架构模型下将带有标签的行为信息集合进行训练，在不断优化损失值的同时找到最佳模型；不确定性检测是指：将行为信息中不完备或不一致的信息通过上下文预测填充、补0、删除方法进行处理，提高行为信息的可信度；标准化是对数值型数据进行归一化处理；基于时间序列的截取是指通过滑动窗口机制进行行为信息的截取；

所述行为信息应用层用于：调节整个实时行为识别系统稳定性和自适应性；

所述行为信息物理层即行为信息采集模块，所述行为信息采集模块包括传感器模块和若干个智能硬件模块；所述传感器模块包括若干不同类型的传感器，所述智能硬件模块分别连接若干不同类型的传感器，所述智能硬件模块用于控制传感器感知用户不同类型的行为信息，并把感知到的行为信息进行存储；

所述行为信息接入层即行为信息传输模块，所述行为信息传输模块包括行为信息发送模块和行为信息接收模块；所述行为信息发送模块连接所述智能硬件模块，用于将行为信息发送至所述行为信息接收模块；

所述行为信息发送模块为Lora节点，所述行为信息接收模块为Lora基站；

所述行为信息平台层即行为信息预处理模块，所述行为信息预处理模块包括依次连接的行为信息检测模块、行为信息不确定性消除模块、行为信息处理模块、网络架构模块；

所述行为信息检测模块包括不一致性检测/量化单元和不完备性检测/量化单元；

所述行为信息不确定性消除模块包括不一致性消除单元和不完整性消除单元；

所述行为信息处理模块包括依次连接的行为信息标准化单元、行为信息滑窗单元；

所述网络架构模块包括依次连接的卷积层单元、Capsule层一单元、Capsule层二单元、全连接层单元；

所述行为信息接收模块即网关连接所述行为信息检测模块；

所述行为信息接收模块接收到的行为信息即原始行为信息输入到所述行为信息检测模块，通过所述不一致性检测/量化单元和所述不完备性检测/量化单元对原始行为信息进行不确定性的检测，所述不一致性检测/量化单元检测同一时刻不同类型的行为信息是否存在异议，所述不完备性检测/量化单元检测同一时刻感知的行为信息是否存在丢失；

如果发现行为信息具有不确定性，则通过所述不完整性消除单元和所述不一致性消除单元进行不确定性的消除，所述不完整性消除单元对同一时刻感知行为信息存在的丢失情况通过删除法、补0法、上下文预测填充法进行处理，所述不一致性消除单元对不一致信息通过投票选举、硬件的QoD最优原则、D-S证据论、模糊集的方式进行处理，进入所述行为信息标准化单元；如果发现行为信息不存在不确定性，则直接进入所述行为信息标准化单元；通过所述行为信息标准化单元和所述行为信息滑窗单元进行处理，所述行为信息标准化单元通过规范化、归一化方法进行处理，提高识别准确率和适用性；所述行为信息滑窗单元通过调节滑动窗口的大小和滑动窗口的滑动方式对行为信息进行基于时间序列的截取；

将处理完毕的行为信息输入到训练好的网络架构模型中，通过网络架构模型实现行为识别；所述卷积层单元对行为信息提取特征，进行特征标量到矢量的转换，所述Capsule层一单元用于将输入的行为信息转换成具有空间特性的行为信息；所述Capsule层二单元通过动态路由协议对行为信息进行处理；所述全连接层单元将行为信息特征转变为有序的一维特征，最后通过Softmax分类器将所有特征进行运算，识别出当前的行为。