申请/专利权人:河北农业大学
申请日:2022-08-22
公开(公告)日:2022-11-25
公开(公告)号:CN115393956A
主分类号:G06V40/20
分类号:G06V40/20;G06V10/26;G06V10/30;G06V10/40;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.12.13#实质审查的生效;2022.11.25#公开
摘要:本发明公开了一种改进注意力机制的CNN‑BiLSTM跌倒检测方法。该方法通过CNN提取数据的空间特征,利用LSTM提取时间特征,并进行特征融合,在CNN中加入注意力机制——ConvolutionalAttentionBlockModuleCBAM卷积模块,并针对CBAM的通道注意力模块,引入一维卷积替代全连接层来聚合各通道间的信息,减少冗余计算的同时更好的对特征进行提取,以提高跌倒检测算法在复杂环境下检测的鲁棒性与稳定性。
主权项:1.改进注意力机制的CNN-BiLSTM跌倒检测方法,其特征在于,包括如下步骤:将传感器固定于受试者腰部正中间,采集人体日常活动和跌倒数据,构建数据集;将数据降噪以及数据分割处理,将数据转化为预设形式的数据;将预设形式的数据输入融合改进的CBAM注意力机制的CNN+双向LSTM的深度神经网络模型,得到跌倒的分类判别;其中,所述模型通过CNN提取数据的空间特征,利用LSTM提取时间特征,并进行特征融合,在CNN中加入注意力机制——ConvolutionalAttentionBlockModuleCBAM卷积模块,并针对CBAM的通道注意力模块,引入一维卷积替代全连接层来聚合各通道间的信息,以减少冗余计算的同时更好的对特征进行提取,以提高跌倒检测方法在复杂环境下检测的鲁棒性与稳定性。
全文数据:
权利要求:
百度查询: 河北农业大学 改进注意力机制的CNN-BiLSTM跌倒检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。