[发明专利]人体动作的识别方法、神经网络的训练方法及相关装置、设备

说明书

本申请提供了一种人体动作的识别方法、神经网络的训练方法及相关装置。涉及人工智能领域，具体涉及无线识别技术领域。该方法包括：执行设备获取待识别图像，其中，该待识别图像是在时间和信道的维度上对M帧无线信号的信号特征进行编码得到的图像，该M帧无线信号是第一无线接收设备接收到的由第一无线发射设备发射的无线信号；进而，执行设备将待识别图像输入到目标人体动作识别模型，得到待识别图像对应的人体动作的类型。本申请通过将M帧无线信号的信号特征转换为图像，以利用神经网络模型来识别人体动作分类，更加准确。

技术领域

本申请涉及人工智能技术领域，特别涉及一种尤其涉及一种人体动作的识别方法、神经网络的训练方法及相关装置、设备。

背景技术

无线信号不仅可以用于传输数据，还可以用于感知环境。在室内环境下，无线发射设备产生的无线电波(本申请中也称无线信号)经过直射、反射、散射等多条路径传播，在无线接收设备处形成多径叠加信号，无线接收设备可以接收该多径传播叠加信号。多径叠加信号受其传播物理空间的影响，携带反映信号传播的物理空间的信息，既包括人的因素(是否有人以及人的位置、特征、姿势、动作等)，也包括其他外物的因素。

通过分析接收信号的信号特征，去“解码”传播过程中的环境信息，可识别出环境中人体动作。如何基于无线信号的信号特征更加准确地识别出人体动作是亟需解决的技术问题。

发明内容

本申请提供一种人体动作的识别方法、无线信号的处理方法神经网络的训练方法及相关装置、设备，能够实现基于无线信号的信号特征识别出人体动作，进而监控环境中发生的人体动作。

第一方面，提供了一种人体动作的识别方法，包括：

执行设备获取待识别图像，其中，该待识别图像是在时间和信道的维度上对M帧无线信号的信号特征进行编码得到的图像，该M帧无线信号是第一无线接收设备接收到的由第一无线发射设备发射的无线信号，第一无线接收设备和第一无线发射设备之间的距离大于第一阈值，M为大于1的整数；进而，将待识别图像输入到目标人体动作识别模型，得到该待识别图像对应的人体动作的类型。

可选地，目标人体动作识别模型是训练后得到的神经网络，用于识别输入图像的人体动作的类别。

应理解，执行设备可以是第一无线接收设备，也可以是第一无线发射设备，还可以是手机、平板电脑、个人数字助理等终端，云端、服务器等。其中，第一无线接收设备或第一无线发射设备可以是具有接收无线信号和提取无线信号的信号特征功能的设备，比如灯、冰箱、洗衣机、衣柜、热水器、窗帘、锁、无线路由器等智能家居设备。

上述方法通过将M帧无线信号的信号特征转换为图像，以利用神经网络模型来识别人体动作分类，实现简单、准确。

可选地，在本申请实施例的场景a中，上述目标人体动作识别模型可以是人体摔倒识别模型，人体摔倒识别模型可识别的人体动作的类型可以包括摔倒和非摔倒，也可以包括在多个区域中的一个区域中摔倒、在多个区域中的一个区域未摔倒和不在多区域中的一个区域等。执行设备还可以在检测到发生摔倒事件时，向监护人的终端发送用于指示该人体摔倒识别模型的识别结果的提示信息。

可选地，在本申请实施例的场景b中，上述目标人体动作识别模型可以是入侵者识别模型，入侵者识别模型可识别的人体动作的类型可以包括有人闯入和无人闯入，也可以包括闯入多个区域中的一个区域、未闯入多个区域中的一个区域等。执行设备还可以在检测到发生摔倒事件时，向房主或业主的终端发送用于指示该人体摔倒识别模型的识别结果的提示信息。

可选地，在本申请实施例的场景c中，上述目标人体动作识别模型可以是动作识别模型，动作识别模型可识别的人体动作的类型可以包括多个人体动作或多个人体动作的分类等。执行设备还可以在检测到目标人体动作或目标人体动作的类别后，根据多个人体动作与多个操作的对应关系，执行目标人体动作对应的操作，或者，根据多个人体动作的分类与多个操作的对应关系，执行目标人体动作的类别对应的操作。