[发明专利]一种基于卷积神经网络的人体行为识别方法及识别系统

摘要

本发明提出了一种基于卷积神经网络(Convolutional Neural Network)的人体行为识别方法，包括三个阶段：数据采集与预处理阶段，模型建立与训练阶段和模型应用阶段。本方法中建立的卷积神经网络结构能够在简单的数据预处理基础上有效识别人体六种日常行为活动，为将识别方法移植到计算能力有限的智能手机中提供了良好的基础，适用于基于智能手机端的人体日常活动记录、健康追踪与健康监测等应用领域。

主权项

1.一种基于卷积神经网络的人体行为识别方法，其特征在于，包括：数据采集与预处理、模型建立与优化及模型应用；所述数据采集与预处理包括：通过数据采集软件访问三轴加速度传感器，储存其采集的原始的人体活动三轴加速度数据与用户反馈的真实的行为活动标签，并对三个轴的数据信息进行归一化处理，得到服从正态分布的三轴加速度数据；使用滑动窗口对处理后的三轴加速度数据进行数据分割处理，得到卷积神经网络模型的输入数据以及对应的标签；对分割后的数据按比例随机抽取得到模型的训练数据和测试数据；所述模型建立与优化包括：建立卷积神经网络模型与优化所述卷积神经网络模型；其中，建立卷积神经网络模型中，建立了一个包含两个卷积层、一个最大池化层、一个全连接层和预测概率输出层的网络结构；优化所述卷积神经网络模型中，根据训练好的卷积神经网络模型对测试数据的预测结果是否足够准确进一步对模型进行优化，优化过程包括模型超参数的调整与相关函数方法的重选取；所述模型应用包括：将优化后的所述卷积神经网络模型移植到软件中，实现实时人体行为识别的应用。