[发明专利]一种基于三维卷积神经网络的人体平衡能力分类方法

权利要求书

1.一种基于三维卷积神经网络的人体平衡能力分类方法，其特征在于，具体按照以下步骤实施：

步骤1、在搭建好的模拟现实的虚拟场景中拍摄正常人和非正常人的人体行走姿态视频；

步骤2、将步骤1采集到的正常人和非正常人的行走姿态视频分别提取成图像，再分别对正常人和非正常人图像在三维卷积神经网络中训练，计算特征向量；

步骤3、将步骤2得到的特征向量输入到Softmax函数中，利用Softmax函数的出的数值对平衡能力分类。

2.根据权利要求1所述的一种基于三维卷积神经网络的人体平衡能力分类方法，其特征在于，所述步骤2具体按照以下步骤实施：

步骤2.1、使用cvLoadImage函数读取采集到的正常人和非正常人的姿态视频，设定读入视频的开始时间和结束时间；

步骤2.2、通过OpenCV中的CvCapture函数将提取的正常人和非正常人的视频分别拆帧，分别提取出两组视频中的空白场景进行图片保存后，然将拍摄的人体姿态视频每两秒取一帧保存为图像；

步骤2.3、输入保存的图像在三维卷积神经网络中进行模型训练，计算特征向量。

3.根据权利要求2所述的一种基于三维卷积神经网络的人体平衡能力分类方法，其特征在于，所述步骤2.3中的计算特征向量具体按照以下步骤实施：

步骤2.3.1、先计算三维卷积神经网络的第i层第j个特征图的(x,y,z)，具体按以下公式计算：

其中，v表示第i层(x,y,z)处的输出，b_ij表示偏置大小，P_i、R_i、Q_i表示3D卷积核的大小，表示卷积核的权值，X代表横坐标，Y代表纵坐标，Z代表竖向坐标。

步骤2.3.2、对步骤2.3.1得出的第i层(x,y,z)处的输出进行池化计算，具体按以下公式计算：

其中，u为三维输入向量，v为特征向量，s、t、r是x、y、z三个方向上的采样步长，S₁×S₂×S₃为采样区域大小。三维采样能有效降低计算的复杂度，增加模型的鲁棒性。

4.根据权利要求1所述的一种基于三维卷积神经网络的人体平衡能力分类方法，其特征在于，所述Softmax函数的计算公式为：

其中，j＝1，...，K，Z表示向量，K表示向量的维数，σ(Z)表示K维实向量。

5.根据权利要求1所述的一种基于三维卷积神经网络的人体平衡能力分类方法，其特征在于，所述步骤3具体为，将步骤2得到的特征向量输入到Softmax函数中，计算Softmax函数的出的数值，当Softmax函数得出的数值大于0.7，判断为平衡能力不好，当Softmax函数得出的数值不大于0.7，判断为平衡能力好。