[发明专利]一种基于CNN+Transformer的三轴加速度活动识别方法

权利要求书

1.一种基于CNN+Transformer的三轴加速度活动识别方法，其特征在于：包括下列步骤：

S100、数据采集：对人体运动产生的静止、慢跑、快跑、上行、下行五种行为三轴加速度数据进行采集；

S200、数据集构建：对加速度传感器采集到的数据按照不同的动作进行截取与标注；

S300、数据预处理：使用高通滤波器对数据进行去噪处理；

S400、数据集划分：将三向加速度数据划分为小段数据，构建训练集与测试集；

S500、模型构建：使用CNN+Transformer融合网络对三轴加速度数据进行识别，并进行模型训练和模型验证。

2.根据权利要求1所述的一种基于CNN+Transformer的三轴加速度活动识别方法，其特征在于：所述S100数据采集中，对50名数据采集对象佩戴电容式加速度传感器，采集对象活动时上下、左右、前后三个方向的加速度数据，所用加速度传感器的采集频率为100Hz，记录时间序列数据，采集对象根据指示做5个指定动作，分别为静止、慢跑、快跑、上行、下行，每个动作持续10s，每个动作进行10次。

3.根据权利要求1所述的一种基于CNN+Transformer的三轴加速度活动识别方法，其特征在于：所述S200数据集构建中，将数据截取为10s长度的指定运动方式加速度数据，标注采用One-Hot方式，静止、慢跑、快跑、上行、下行对应第1至第5类，如数据若为静止数据，则标签为[1,0,0,0,0]，若慢跑则为[0,1,0,0,0]，以此类推，对所有数据进行标注。

4.根据权利要求1所述的一种基于CNN+Transformer的三轴加速度活动识别方法，其特征在于：所述S300数据预处理中，使用大小为0.1Hz的高通滤波器对数据进行去噪，去除数据中的长周期背景噪声。

5.根据权利要求1所述的一种基于CNN+Transformer的三轴加速度活动识别方法，其特征在于：所述S400数据集划分，将10s长度的三向加速度数据分割为长度为2s的小段数据，保留其对应标签，之后将所有数据随机打乱，按照7:3的比例对数据集进行5次随机划分，构建5组训练集与测试集。

6.根据权利要求1所述的一种基于CNN+Transformer的三轴加速度活动识别方法，其特征在于：所述S500模型构建中，使用模型为CNN+Transformer融合模型，CNN层对三维加速度数据进行维度缩减，将三分量数据降维为一维数据，提取数据特征，Transformer层用于对数据特征进行整体分析与识别，得到数据分类识别结果，识别结果通过Softmax函数进行输出，其中S_i为i类别的softmax输出，E_i为i类别网络输出值，∑e_j为所有类别的网络输出和，最终输出得到的5分类中，softmax值最高的类别即为对该条数据识别结果。

7.根据权利要求1所述的一种基于CNN+Transformer的三轴加速度活动识别方法，其特征在于：所述S500中模型训练的方法为：取每一次划分后得到的训练集进行训练，得到5个参数模型，将数据输入构建好的网络模型中进行训练，直到模型损失不再下降，保存模型。

8.根据权利要求1所述的一种基于CNN+Transformer的三轴加速度活动识别方法，其特征在于：所述S500中模型验证的方法为：使用训练得到的5个参数模型对其对应的测试集进行识别测试，若5个参数模型在测试集上的识别准确率差距不超过1％，则完成训练，保存模型，若识别准确率差距超过1％，降低模型学习率，重复上一步流程对模型继续进行训练。