[发明专利]一种基于传感器数据的深度学习脚步检测方法

摘要

本发明中提出的一种基于传感器数据的深度学习脚步检测方法，其主要内容包括数据输入、模态迁移、迁移学习、图像分类，其过程为，采用预训练的卷积神经网络模型，首先对步态数据集进行预处理，分离噪声后，重新调整大小为229×229；接下来，拟合边界框切割预处理后的图像；然后，利用最大帧法、平均法和序列分析法进行图像提取；最后由预训练的Inception‑v3模型迁移学习提取的图像，获得分类后的结果。本发明由于采用预训练的网络模型，节省大量的计算资源和时间；利用迁移学习的概念，从而避开在执行各种没有标记数据集的其他任务无法学习的限制；获得的分类精度达到90％左右，优于常规机器学习方法超过12％。

主权项

一种基于传感器数据的深度学习脚步检测方法，其特征在于，主要包括数据输入(一)；模态迁移(二)；迁移学习(三)；图像分类(四)。