公开(公告)号：CN114881150B

公开(公告)日：2024-09-06

申请号：CN202210511116.6

申请日：2022-05-11

Applicant: 东北大学

Inventor： 邓诗卓 ,  郭珠宝 ,  林博谦 ,  陈东岳 ,  贾同

IPC: G06F18/25 ,  G06F18/2415 ,  G06F18/2431 ,  G06F18/15 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V40/20 ,  G01C21/16 ,  A61B5/11

Abstract: 本发明属于行为识别技术领域，提出了一种基于多位置传感器特征融合的行为识别系统及其方法。基于多位置传感器特征融合的行为识别系统包括数据模块和模型模块，数据模块将采集的原始数据进行存储以及预处理，获得动作图片，用于后续模型训练；模型模块包括特征提取子模块和分类子模块，得到最后的预测结果。本发明舍弃了全部数据之间的空间依赖性，而选择相关性更强的不同传感器相同轴向数据之间的空间依赖性，通过将数据按照(x，y，z)三轴方向抽取，数据融合后形成三组动作图片，再通过二级后融合模型进行特征融合，有效地提取到多维时序数据地时间与空间特征，从而达到准确识别人体行为的目的。

公开(公告)号：CN114881150A

公开(公告)日：2022-08-09

申请号：CN202210511116.6

申请日：2022-05-11

Applicant: 东北大学

Inventor： 邓诗卓 ,  郭珠宝 ,  林博谦 ,  陈东岳 ,  贾同

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V40/20 ,  G01C21/16 ,  A61B5/11

Abstract: 本发明属于行为识别技术领域，提出了一种基于多位置传感器特征融合的行为识别系统及其方法。基于多位置传感器特征融合的行为识别系统包括数据模块和模型模块，数据模块将采集的原始数据进行存储以及预处理，获得动作图片，用于后续模型训练；模型模块包括特征提取子模块和分类子模块，得到最后的预测结果。本发明舍弃了全部数据之间的空间依赖性，而选择相关性更强的不同传感器相同轴向数据之间的空间依赖性，通过将数据按照(x，y，z)三轴方向抽取，数据融合后形成三组动作图片，再通过二级后融合模型进行特征融合，有效地提取到多维时序数据地时间与空间特征，从而达到准确识别人体行为的目的。

公开(公告)号：CN115169386A

公开(公告)日：2022-10-11

申请号：CN202210690454.0

申请日：2022-06-17

Applicant: 东北大学

Inventor： 邓诗卓 ,  林博谦 ,  郭珠宝 ,  贾同 ,  陈东岳

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

Abstract: 本发明属于智能分类识别领域，提出了一种基于元注意力机制的弱监督增类活动识别方法。本方法基于一种端到端的自关系注意弱监督原型网络模型进行人体活动识别；原型网络模型包括特征提取模块、元学习注意力模块和分类模块；首先对传感器原始数据序列进行特征提取，获得示例特征向量集；在通过元学习注意力模块获取各个示例特征向量的贡献权重；通过增强操作提纯优化目标活动的原型；通过分类模块进行分类，完成模型的训练与测试。本发明提出的方法，能够较好的解决在弱监督与训练样本少的传感器数据上识别新类别人体活动的问题，有效避免了噪声数据的负面影响。