[发明专利]一种基于深度混合模型的行人运动模式识别方法在审
| 申请号： | 201910910345.3 | 申请日： | 2019-09-25 |
| 公开（公告）号： | CN110674875A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 肖卓凌;朱然;宋儒君 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 51229 成都正华专利代理事务所(普通合伙) | 代理人： | 陈选中 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度混合模型的行人运动模式识别方法。利用智能手机中内置的加速度传感器、陀螺仪和磁力计采集四种手机放置位置、七种日常行人运动模式的数据；采用由卷积神经网络CNN自动提取特征，后经主成分分析法对提取的特征进行降维处理，并将处理后的结果输入至XGBoost学习模式进行识别的混合模型。本发明将CNN作为可以从输入中自动获取特征的可训练特征提取器，利用PCA将高维特征数据降维以减小计算量，将XGBoost作为网络顶层的识别器来输出结果，有效地保证了特征提取和分类的高可靠性。 | ||
| 搜索关键词： | 混合模型 行人运动 加速度传感器 卷积神经网络 手机放置位置 主成分分析法 特征提取器 高可靠性 降维处理 模式识别 输出结果 特征数据 特征提取 学习模式 智能手机 自动获取 自动提取 磁力计 计算量 可训练 识别器 陀螺仪 有效地 顶层 高维 减小 降维 内置 采集 分类 网络 保证 | ||
【主权项】：
1.一种基于深度混合模型的行人运动模式识别方法，其特征在于，包括如下步骤：/nS1、利用智能手机采集行人运动的原始数据；/nS2、利用固定步长滑动窗口分割法对所述原始数据进行预处理；/nS3、利用卷积神经网络对经预处理后的数据进行特征提取；/nS4、利用主成分分析法PCA对提取的特征进行降维处理；/nS5、利用集成学习模型XGBoost对降维后的特征数据进行整合，从而完成对行人运动模式的识别。/n
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电子科技大学，未经电子科技大学许可，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/201910910345.3/，转载请声明来源钻瓜专利网。
