[发明专利]一种基于双通道残差神经网络的人体动作识别方法

摘要

本发明公开了一种基于双通道残差神经网络的人体动作识别方法，双通道残差神经网络中的短通道/长通道根据设置的滑动时间窗口长度，从输入的传感器时序数据中截取相应长度的数据；截取的数据依次由一个卷积层和一个残差层进行特征提取，得到短通道/长通道的输出特征；短通道和长通道的输出特征共同输入一个连接层进行拼接，再输入一个全连接层进行整合，得到一个向量，该向量维度等于分类标签总数，其第k维的元素值对应输入的传感器时序数据分类标签为k的可能性大小；基于样本数据对网络进行训练；再将未知分类标签的传感器时序数据输入训练好网络，确定其人体动作分类标签。本发明能实现高精度的人体动作识别。

主权项

1.一种基于双通道残差神经网络的人体动作识别方法，其特征在于，包括以下步骤：步骤1：获取记录了人体动作特征的传感器时序数据样本及其对应的人体动作类别；步骤2：构建双通道残差神经网络模型；所述双通道残差神经网络模型包括一个短通道、一个长通道、一个连接层和一个全连接层；短通道和长通道各包括一个依次连接的卷积层和残差层；两个残差层后连接一个连接层，连接层后连接一个全连接层；设置短通道和长通道的滑动时间窗口长度，分别记为T1和T2，T1<T2，以使得短通道截取的数据长度小于长通道截取的数据长度；双通道残差神经网络模型的数据数据处理过程为：首先短通道/长通道根据设置的滑动时间窗口长度，从输入的传感器时序数据中截取相应长度的数据；短通道/长通道截取的数据先由一个卷积层进行预处理，再由一个残差层进行深度特征提取，得到短通道/长通道的输出特征；短通道和长通道的输出特征共同输入一个连接层进行拼接，得到更为精细的动作特征；连接层输出的动作特征再输入全连接层进行整合，输出结果，该输出结果为一个向量，其维度等于分类标签总数，其第k维的元素值对应输入的传感器时序数据对应第k类人体动作的可能性大小；步骤3：基于步骤1获取的传感器时序数据样本及其对应的人体动作分类标签对双通道残差神经网络模型进行训练；步骤4：将未知类别的传感器时序数据输入经步骤3训练好的双通道残差神经网络模型，实现人体动作识别。