[发明专利]一种面向弱标签传感器数据的人体动作识别方法在审
| 申请号： | 201811634891.0 | 申请日： | 2018-12-29 |
| 公开（公告）号： | CN109726682A | 公开（公告）日： | 2019-05-07 |
| 发明（设计）人： | 何军;张倩;王立群;裴凌 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 施昊 |
| 地址： | 210032 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种面向弱标签传感器数据的人体动作识别方法，步骤：利用传感器采集人体行为活动数据构成训练数据集，进行数据规范化处理，并添加对应的标签；将训练数据样本输入人体动作识别模型中，该模型包括卷积神经网络模块、循环神经网络模块和强化学习模块；针对含单次活动的弱标签传感器数据和含多次活动的弱标签传感器数据分别设计回报函数，并计算相应的reward值；对人体动作识别模型进行训练和优化；获取测试数据集，输入人体动作识别模型，测试模型的分类准确度。本发明通过每次处理弱标签传感器数据中的局部信息，在有限次数内快速地识别出特定的活动并且定位出活动发生的位置。 | ||
| 搜索关键词： | 人体动作识别 标签传感器 卷积神经网络 循环神经网络 训练数据样本 测试数据集 传感器采集 分类准确度 数据规范化 训练数据集 测试模型 活动发生 活动数据 局部信息 强化学习 人体行为 标签 回报 优化 | ||
【主权项】：
1.一种面向弱标签传感器数据的人体动作识别方法，其特征在于，包括以下步骤：(1)利用传感器采集人体行为活动数据构成训练数据集，进行数据规范化处理，并添加对应的标签；(2)将训练数据样本输入人体动作识别模型中，该模型包括卷积神经网络模块、循环神经网络模块和强化学习模块；(3)针对含单次特殊活动的弱标签传感器数据和含多次特殊活动的弱标签传感器数据分别设计回报函数，并计算相应的reward值；(4)对人体动作识别模型进行训练和优化；(5)获取测试数据集，输入人体动作识别模型，测试模型的分类准确度。
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南京信息工程大学，未经南京信息工程大学许可，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/patent/201811634891.0/，转载请声明来源钻瓜专利网。
