申请/专利权人：西北大学

申请日：2023-11-27

公开（公告）日：2024-03-22

公开（公告）号：CN117743911A

主分类号：G06F18/241

分类号：G06F18/241;G06F18/214;G06F18/10;G06N3/0464;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明属于人体动作识别技术领域，公开了一种轻量级跨场景CSI人体动作识别方法及系统，包括：S1，数据预处理，包括CSI提取、插值和噪声过滤；S2，深度学习模式构建，包括T‑Net结构和S‑Net结构；S3，通过联合训练获得轻量级、高精度的深度学习模型；S4，将deep模型应用于跨场景CSI动作识别。本发明提出了一种轻量级的深度CSI识别模型，该模型在不消耗大量计算资源的情况下可以获得高精度的识别性能。本发明提出了两种不同复杂度的CSI行为识别网络，即T‑Net和S‑Net，并加入了通道注意机制来提高CNN网络的性能。本发明首次在知识提取的基础上，提出了基于CSI的人体行为识别的轻量级深度模型。得到的模型可以减少不同场景下的计算量。

主权项：1.一种轻量级跨场景CSI人体动作识别方法，其特征在于，包括：S1，数据预处理，包括CSI提取、插值和噪声过滤；S2，深度学习模式构建，包括T-Net结构和S-Net结构；S3，通过联合训练获得轻量级、高精度的深度学习模型；S4，将deep模型应用于跨场景CSI动作识别。

全文数据：

权利要求：

百度查询： 西北大学 一种轻量级跨场景CSI人体动作识别方法及系统

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