[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

说明书

本发明涉及一种基于Lora和Capsule的实时行为识别系统及其工作方法，该系统包括行为信息物理层、行为信息接入层、行为信息平台层、行为信息应用层。本发明将行为信息接入层的传输采用Lora节点、Lora基站，实现远距离、低功耗的行为信息传输；对行为信息不确定性进行了不一致和不完备性方面的处理，提高行为信息的可信度；采用Capsule自动获取有用特征以及特征之间的空间关系来进行行为识别，在精度方面有了很大的提升。

技术领域

本发明涉及一种基于Lora和Capsule的实时行为识别系统及其工作方法，属于人工智能与模式识别的技术领域。

背景技术

行为识别系统是通过获取人的行为信息，经过合理的模型实现行为的系统。随着物联网、人工智能、大数据和云计算等先进技术的发展和成熟，越来越多的学者开始关注行为识别方向的研究。行为识别已经成为人工智能与模式识别研究领域中一个炙手可热的研究方向，加之可穿戴设备的发展为人体行为识别提供了良好的契机。如今，人体行为识别技术已经在游戏、人体运动分析、智能家居、人机交互以及医疗诊断和监护等领域得到了初步应用。

行为识别系统所需要的行为信息主要来自以下两个方面：

1、基于视觉的行为信息——通过摄像设备采集视觉行为信息。

2、基于传感器的行为信息——通过智能硬件采集体征行为信息。

目前，市面上主流的行为识别技术主要是对基于视觉的行为信息进行识别。虽然两种行为信息的获取方式都可以通过相应的算法实现人体行为的实时识别，但基于视觉行为信息获取的方式存在一定的弊端，在摄像设备的盲区或环境比较昏暗的场景中很多行为信息无法获取。例如：在卫生间内进行打架斗殴时，管理者无法了解卫生间内发生的情况，所以通过单一的视觉行为信息进行行为识别存在很多的缺陷。

另外，目前行为识别系统中信息的传输技术主要以蓝牙、ZigBee、WiFi、3G、4G为主。主流的传输技术在传输距离和功耗方面不可兼得，因此，要想实现实时行为识别，需要一种低功耗、传输距离远的传输技术。Loa是由Semtech公司发布的无线电调制解调技术。该技术具有Lora-WAN协议、Lora私有协议、CLASS协议、数据透传四个类别，相较于其他低功耗广域物联网技术，该技术在功耗、自组网等方面存在很大的优势。

系统进行行为识别的模型主要采用机器学习、深度学习等算法。目前，主流的机器学习主要有K近邻算法(KNN)、支持向量机(SVM)、随机森林、神经网络等；主流的深度学习算法主要有深度神经网络(DNN)、卷积神经网络(CNN)、循环(递归)神经网络(RNN)、深度信念网络(DBN)等。主流算法都是根据行为信息特征进行行为识别，所以输入行为信息只要存在一定的特征就会被分成某一类行为。例如：行为信息1100和0011分别表示起立和坐下，1010和0101表示打架行为，主流的算法可能将只要有两个1和两个0特征的行为信息判断是打架行为，因此如果输入行为信息的特征为0101、1100、0011或1010将都会被认为是打架行为，但实际上1100或0011表示的是起立或坐下行为。这主要是由于现有的主流算法只考虑行为信息是否包含某些特征，而不考虑这些特征的空间特性，所以在一定程度上会造成误判，降低行为识别的准确率。Geoffrey Hinton于2017年提出胶囊网络的概念，胶囊网络不仅可以标识行为信息是否具有某些特征，同时还可以标识各个特征之间的空间关系。本发明采用的胶囊网络算法模型在行为识别的准确率方面有了较高的提升。

发明内容

针对目前行为信息获取的单一性、传输方式的特殊性和预测模型的误判性，本发明提出了一种基于Lora和Capsule的实时行为识别系统。

本发明还公开了上述系统的工作方法。

发明概述：