公开(公告)号：CN114626419B

公开(公告)日：2024-06-28

申请号：CN202210278541.5

申请日：2022-03-21

Applicant: 南京邮电大学

Inventor： 潘甦 ,  金律成

IPC: G06V40/20 ,  G06F18/10 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0464 ,  G06F18/24 ,  H04B17/309 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764

Abstract: 本发明公开了一种基于WIFI中信道状态信息和改进卷积神经网络的动作识别方法，具体步骤为：数据采集、数据预处理、构建改进sha‑CNN，并加入批正则化机制，并对训练集进行特征提取、利用加入批正则化机制的改进sha‑CNN进行动作分类模型训练。本发明在改进sha‑CNN的卷积层内融入批正则化机制，以加快网络收敛的速度，防止训练数据和测试数据的分布不同引起的泛化性能下降问题，在提升人体动作识别精度的前提下，最大限度地通过降低数据维度，压缩网络模型的方式降低计算成本，提高人体动作识别速度。

公开(公告)号：CN114626419A

公开(公告)日：2022-06-14

申请号：CN202210278541.5

申请日：2022-03-21

Applicant: 南京邮电大学

Inventor： 潘甦 ,  金律成

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06V40/20 ,  H04B17/309 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764

Abstract: 本发明公开了一种基于WIFI中信道状态信息和改进卷积神经网络的动作识别方法，具体步骤为：数据采集、数据预处理、构建改进sha‑CNN，并加入批正则化机制，并对训练集进行特征提取、利用加入批正则化机制的改进sha‑CNN进行动作分类模型训练。本发明在改进sha‑CNN的卷积层内融入批正则化机制，以加快网络收敛的速度，防止训练数据和测试数据的分布不同引起的泛化性能下降问题，在提升人体动作识别精度的前提下，最大限度地通过降低数据维度，压缩网络模型的方式降低计算成本，提高人体动作识别速度。