[发明专利]一种基于CNN-LSTM的人体健康深度学习预测方法

摘要

本发明涉及一种基于CNN‑LSTM的人体健康深度学习预测方法，将先进的深度学习模型结合摄像头用于识别行人的病理步态，进而预测其健康状态。对行人步态的识别采用动态方式，用CNN提取视频图像中行人的步态特征，然后利用LSTM基于时序识别步态特征，进而判别其步态类型。为实现多人在线实时检测，在系统中加入一个视频行人检测模块，并构建一个轻量且特征映射能力强的复用型CNN模型，既用于视频检测中行人的识别，也用于行人步态的特征提取。本发明基于图像采用动态方式识别步态，硬件实现简单，但技术先进，对步态的识别准确率高，应用前景广阔，即可用于区域人体健康监测与分析，也可用于家庭，做到订制化服务。

主权项

1.一种基于CNN‑LSTM的人体健康深度学习预测方法，其特征在于：主要包括硬件和软件两部分，硬件即为摄像头和计算模块，软件主要包含三个模块，分别是图像中行人检测模块、基于CNN的特征提取模块和基于LSTM的特征序列识别模块。首先利用摄像头获取用户走路视频，其次预处理视频中的每张图像(调整大小、选取清晰图像，等)，接着检测图像中的每个行人，并提取出每个行人，然后将提取的行人图像作为CNN模型的输入，获取行人的步态特征，最后将步态特征序列作为LSTM的输入，判别人体健康状态。对于订制化用户，在CNN获取步态特征阶段还会识别用户，将用户信息结合其步态特征建立健康状态数据库，实现长期检测，通过分析其步态的变化情况，提供更为准确的健康状况诊断，同时还能实现用户健康预测。