[发明专利]基于微动探测技术和神经网络算法的生物特征识别方法

权利要求书

1.一种基于微动探测技术和神经网络算法的生物特征识别方法，其特征在于，包括：

收集特定目标或特定目标集合的微动数据集；

使用所述微动数据集训练基于神经网络算法的深度学习模型，使所述深度学习模型具备将所述微动数据集中的微动数据与所述特定目标建立映射的能力；

采用所述深度学习模型识别未知目标的微动数据，将所述未知目标的微动数据映射至所述特定目标。

2.根据权利要求1所述的生物特征识别方法，其特征在于，所述微动数据集中的参数包括微动周期、微动部位、微动类型、微动幅度、微动位移、采样率、微动速度、微动方向、微动时间点中的多种；

优选地，所述微动数据集根据不同的微动模式包括不同的参数。

3.根据权利要求2所述的生物特征识别方法，其特征在于，所述收集特定目标的微动数据集包括：

采用电磁波和/或光波获取特定目标的回波信号；

处理所述回波信号以获得微动数据；

优选地，所述采用电磁波和/或光波获取特定目标的回波信号为根据不同的微动模式获取所述回波信号。

4.根据权利要求1所述的生物特征识别方法，其特征在于，所述使用所述微动数据集训练基于神经网络算法的深度学习模型，使所述深度学习模型具备将所述微动数据与所述特定目标建立映射的能力，包括：

将特定目标的所述微动数据集分为训练数据集和测试数据集；

采用所述训练数据集对基于神经网络算法的深度学习模型进行训练；

采用所述测试数据集验证训练结果。

5.根据权利要求4所述的生物特征识别方法，其特征在于，所述使用所述微动数据集训练基于神经网络算法的深度学习模型包括：

所述特定目标为生物个体或生物种群聚集体，训练数据集包括同一个生物个体或生物种群聚集体的微动数据，测试数据集包括所述同一个生物个体或生物种群聚集体的微动数据和/或其余生物个体或生物种群聚集体的微动数据；

将同一个生物个体或生物种群聚集体的微动数据作为训练数据集；

采用所述微动数据，训练基于神经网络算法的深度学习模型；

使用所述深度学习模型识别所述测试数据集中的微动数据是否来自相对应的生物个体或生物种群聚集体；

如果所述识别正确率达到预设值，则训练完成，所述深度学习模型具备一对一映射能力；

否则进行进一步训练，直至所述识别正确率达到预设值。

6.根据权利要求4或5所述的生物特征识别方法，其特征在于，所述使用所述微动数据集训练基于神经网络算法的深度学习模型包括：

所述特定目标为生物个体或生物种群聚集体的生物特征，训练数据集包括具有相同生物特征的生物个体或生物种群聚集体的微动数据集，测试数据集包括所述具有相同生物特征的生物个体或生物种群聚集体的微动数据集和/或其余生物个体或生物种群聚集体的微动数据集；

采用所述训练数据集，训练基于神经网络算法的深度学习模型；

使用所述人工智能识别所述测试数据集中的微动数据是否来自具备相对应生物特征的生物个体或生物种群聚集体；

如果所述识别正确率达到预设值，则训练完成，所述人工智能具备多对一/一对多的映射能力；

否则进行进一步训练，直至所述识别正确率达到预设值。

7.根据权利要求6所述的生物特征识别方法，其特征在于，所述生物个体的生物特征为各种呼吸类、神经类、心脏类疾病，优选地，所述生物个体的生物特征选自帕金森和/或癫痫发病；所述生物种群聚集体的生物特征为不同种生物的运动类型。

8.根据权利要求6所述的生物特征识别方法，其特征在于，所述使用所述微动数据集训练基于神经网络算法的深度学习模型还包括：

当所述深度学习模型具备所述一对一的映射能力和所述多对一/一对多的映射能力时，将两种映射能力结合起来，即可使所述学习模型具备多对多的映射能力。