[发明专利]一种基于反向传播神经网络的步态异常识别方法在审
| 申请号： | 201910064053.2 | 申请日： | 2019-01-23 |
| 公开（公告）号： | CN109770913A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 殷书宝;陈炜;朱航宇;王心平 | 申请（专利权）人： | 复旦大学 |
| 主分类号： | A61B5/11 | 分类号： | A61B5/11 |
| 代理公司： | 上海正旦专利代理有限公司 31200 | 代理人： | 陆飞;陆尤 |
| 地址： | 200433 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于生物特征识别技术领域，具体为一种基于反向传播神经网络的步态异常识别方法。其包括：利用穿戴于人体的IMU采集人体正常行走以及模拟典型异常步态行走时的信号，得到不同步态下的三轴加速度信息；根据目标典型行走步频将原始数据做开窗切割预处理并根据步态类别将各数据队列打上相应标签；构建BNPP反向传播神经网络；将得到的数据标签对分成训练集与测试集，训练集送入BPNN进行训练，训练完成后利用测试集评估模型分类效果。本发明通过增加输入层结点数量对原始IMU三轴加速度数据进行直接分类，省却了繁复的步态周期划分与特征提取工程，提高了对多种异常步态的分类准确率，减少了数据预处理工作量，提高了分类准确度。 | ||
| 搜索关键词： | 步态 反向传播神经网络 异常步态 异常识别 测试集 训练集 三轴 生物特征识别技术 预处理 分类准确度 分类准确率 加速度数据 加速度信息 数据预处理 步态周期 分类效果 评估模型 数据标签 数据队列 特征提取 原始数据 输入层 构建 结点 开窗 穿戴 工作量 切割 送入 标签 采集 分类 | ||
【主权项】：
1.一种基于反向传播神经网络的步态异常识别方法，其特征在于，具体步骤如下：步骤一，利用穿戴于人体的IMU采集人体正常行走时的信号，得到正常步态三轴加速度信息；步骤二，利用穿戴于人体的IMU采集人体模拟典型异常步态行走时的信号，得到异常步态三轴加速度信息；步骤三，根据目标典型行走步频，将原始数据做开窗切割预处理，并根据步态类别将各数据队列打上相应标签，形成数据标签对集；步骤四，搭建BNPP反向传播神经网络（BPNN），BPNN网络为三层全连接结构，输入层所有结点连接至隐藏层，隐藏层所有结点连接至输出层；定义输入层、隐藏层、输出层，以及各激活函数；步骤五，将步骤三中得到的数据标签对分成训练集与测试集，训练集送入步骤四中搭建的BPNN进行训练；训练完成后利用测试集评估模型分类效果。
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复旦大学，未经复旦大学许可，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/201910064053.2/，转载请声明来源钻瓜专利网。
