公开(公告)号：CN111860191A

公开(公告)日：2020-10-30

申请号：CN202010589470.1

申请日：2020-06-24

Applicant: 南京师范大学

Inventor： 张雷 ,  黄文博 ,  王嘉琦 ,  闵富红

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

Abstract: 本发明公开了一种基于信道选择卷积神经网络的人体姿态识别方法，包括：利用移动设备采集人体动作的原始数据，附上动作的标签、利用滑窗和归一化处理并切分为训练样本集和测试样本集、建立基于信道选择卷积神经网络模型，与常规神经网络相比，引入了信道选择卷积核策略，首先是对输入样本利用期望通道损失矩阵判断通道的权重，然后再对权重低的通道进行阻断，权重高的通道进行重分配，为了防止多样性的缺失，在重分配后加入了空间位移经过多层训练后，进行姿态识别。由于空间位移的作用，空间偏置会向中间聚集，所以卷积核相当于被扩大，所以当样本输入时，参数可以被更好的利用，并且保持参数量不变，本发明具有识别精准。

公开(公告)号：CN111723662B

公开(公告)日：2023-07-11

申请号：CN202010419639.9

申请日：2020-05-18

Applicant: 南京师范大学

Inventor： 张雷 ,  唐寅 ,  王嘉琦 ,  滕起

IPC: G06V40/20 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的人体姿态识别方法，包括：移动传感器原始数据采集并打上标签、数据频率降采样和归一化处理并划分训练集和测试集、卷积神经网络训练、模型移植到安卓端进行人体姿态识别。根据卷积神经网络用于人体姿态识别方法，该实施引入了Split‑Transform‑Merge策略，提出了一组更小通道数的乐高卷积核，按照随机映射和循环矩阵的方法堆叠这些卷积核以此实现卷积操作，最后将生成的乐高特征图垂直合并经过全连接层送入分类器用于传感器数据的识别。本发明具有识别速度快、识别准确度高、计算量小、泛化能力强等特点，同时在智能家居、健康检测、运动追踪等方面具有十分重要的作用。

公开(公告)号：CN111723662A

公开(公告)日：2020-09-29

申请号：CN202010419639.9

申请日：2020-05-18

Applicant: 南京师范大学

Inventor： 张雷 ,  唐寅 ,  王嘉琦 ,  滕起

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

Abstract: 本发明公开了一种基于卷积神经网络的人体姿态识别方法，包括：移动传感器原始数据采集并打上标签、数据频率降采样和归一化处理并划分训练集和测试集、卷积神经网络训练、模型移植到安卓端进行人体姿态识别。根据卷积神经网络用于人体姿态识别方法，该实施引入了Split-Transform-Merge策略，提出了一组更小通道数的乐高卷积核，按照随机映射和循环矩阵的方法堆叠这些卷积核以此实现卷积操作，最后将生成的乐高特征图垂直合并经过全连接层送入分类器用于传感器数据的识别。本发明具有识别速度快、识别准确度高、计算量小、泛化能力强等特点，同时在智能家居、健康检测、运动追踪等方面具有十分重要的作用。