[发明专利]行人动作识别方法、装置、设备及存储介质在审

专利信息
申请号: 202211426716.9 申请日: 2022-11-15
公开(公告)号: CN115905945A 公开(公告)日: 2023-04-04
发明(设计)人: 周企豪;檀聿麟;张宁;张留安 申请(专利权)人: 深圳锐越微技术有限公司
主分类号: G06F18/241 分类号: G06F18/241;G06F18/213;G06F18/10;G06N3/084
代理公司: 深圳市恒程创新知识产权代理有限公司 44542 代理人: 王敏睿
地址: 518116 广东省深圳市龙*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 行人 动作 识别 方法 装置 设备 存储 介质
【权利要求书】:

1.一种行人动作识别方法,其特征在于,所述行人动作识别方法包括:

在接收到目标行人反馈的多普勒回波信号时,根据预设采样率对所述多普勒回波信号进行采样,获得采样信号;

对所述采样信号进行预处理,根据预处理结果构建所述采样信号对应的四维特征向量;

将所述四维特征向量输入至预设动作识别模型,获得所述目标行人的动作特征。

2.如权利要求1所述的行人动作识别方法,其特征在于,所述对所述采样信号进行预处理,根据预处理结果构建所述采样信号对应的四维特征向量的步骤包括:

对所述采样信号进行预处理,获得所述采样信号对应的预处理数据;

根据预设聚类算法对所述预处理数据进行聚类,根据聚类结果将所述预处理数据划分为对应的若干动作类别;

根据所述动作类别构建所述采样信号对应的四维特征向量。

3.如权利要求2所述的行人动作识别方法,其特征在于,所述对所述采样信号进行预处理,获得所述采样信号对应的预处理数据的步骤包括:

根据预设时频特征提取算法对所述采样信号进行特征提取,获得所述采样信号对应的类余弦信号;

提取所述类余弦信号中的波峰和波频率;

根据所述采样信号对应的采样顺序对所述波峰和所述波频率进行序号标记,获得所述波峰对应的波峰序列和所述波频率对应的波频率序列;

所述根据预设聚类算法对所述预处理数据进行聚类,根据聚类结果将所述预处理数据划分为对应的若干动作类别的步骤包括:

基于所述波峰序列和所述波频率序列利用预设聚类算法对所述类余弦信号进行聚类,将所述类余弦信号分为对应的若干动作类别。

4.如权利要求3所述的行人动作识别方法,其特征在于,所述根据所述动作类别构建所述采样信号对应的四维特征向量的步骤包括:

根据所述动作类别提取所述类余弦信号对应的所述波峰序列、所述波频率和所述波频率序列;

根据所述波峰序列和所述预设采样率确定所述动作类别对应的时长跨度;

根据所述波频率序列确定所述动作类别对应的频率跨度;

根据所述波频率确定所述动作类别对应的频率方差;

基于所述时长跨度、所述频率跨度、所述频率方差以及所述类余弦信号对应的数量构建四维特征向量。

5.如权利要求1所述的行人动作识别方法,其特征在于,所述在接收到目标行人反馈的多普勒回波信号时,根据预设采样率对所述多普勒回波信号进行采样,获得采样信号的步骤之前,还包括:

获取多普勒回波信号对应的样本数据;

对所述样本数据进行预处理,根据预处理结果构建所述样本数据对应的四维特征向量;

根据所述四维特征向量利用预设反向传播算法对初始神经网络模型进行训练,获得动作识别模型。

6.如权利要求5所述的行人动作识别方法,其特征在于,所述根据所述四维特征向量利用预设反向传播算法对初始神经网络模型进行训练,获得动作识别模型的步骤包括:

根据所述四维特征向量利用预设反向传播算法对所述初始神经网络模型进行训练,获得训练模型;

将所述样本数据和测试数据输入至训练模型中,根据输出结果确定所述输出结果对应的正确率;

判断所述正确率是否达到预设阈值;

在所述正确率未达到所述预设阈值时,返回执行所述根据所述四维特征向量利用预设反向传播算法对所述初始神经网络模型进行训练,获得训练模型的步骤,直至所述正确率达到所述预设阈值,并将所述正确率达到所述预设阈值时所对应的训练模型作为动作识别模型。

7.如权利要求1所述的行人动作识别方法,其特征在于,所述在接收到目标行人反馈的多普勒回波信号时,根据预设采样率对所述多普勒回波信号进行采样,获得采样信号的步骤包括:

在接收到目标行人反馈的多普勒回波信号时,对所述多普勒回波信号进行滤波处理,获得滤波信号;

根据预设滑窗算法以预设采样率对所述滤波信号进行采样,获得采样信号。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳锐越微技术有限公司,未经深圳锐越微技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211426716.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top