公开(公告)号：CN112883905A

公开(公告)日：2021-06-01

申请号：CN202110274189.3

申请日：2021-03-15

Applicant: 福州大学

Inventor： 陈静 ,  黄新宇 ,  江灏 ,  缪希仁

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及基于粗粒度时频特征与多层级融合学习的人体行为识别方法，一种基于粗粒度时频特征与多层级融合学习的人体行为识别方法，包括以下步骤：步骤S1：搭建基于粗粒度信号的被动式人体行为识别系统；步骤S2：采集人体不同行为下的粗粒度信号数据；步骤S3：进行样本集构造与信号预处理；步骤S4：构造基于粗粒度信号的人体行为浅层特征向量；步骤S5：构建深度学习模型；步骤S6：构建集成学习模型；步骤S7：利用传感信号序列实现行为的识别；本发明能够丰富被动式人体行为识别的技术手段和提升基于粗粒度信号的相近行为间的识别准确率。

公开(公告)号：CN112883905B

公开(公告)日：2023-04-18

申请号：CN202110274189.3

申请日：2021-03-15

Applicant: 福州大学

Inventor： 陈静 ,  黄新宇 ,  江灏 ,  缪希仁

IPC: G06V40/10 ,  G06V10/44 ,  G06V10/30 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及基于粗粒度时频特征与多层级融合学习的人体行为识别方法，一种基于粗粒度时频特征与多层级融合学习的人体行为识别方法，包括以下步骤：步骤S1：搭建基于粗粒度信号的被动式人体行为识别系统；步骤S2：采集人体不同行为下的粗粒度信号数据；步骤S3：进行样本集构造与信号预处理；步骤S4：构造基于粗粒度信号的人体行为浅层特征向量；步骤S5：构建深度学习模型；步骤S6：构建集成学习模型；步骤S7：利用传感信号序列实现行为的识别；本发明能够丰富被动式人体行为识别的技术手段和提升基于粗粒度信号的相近行为间的识别准确率。