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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD