申请/专利权人:浙江工业大学
申请日:2023-12-25
公开(公告)日:2024-04-02
公开(公告)号:CN117807494A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/213;G06F18/25;G06N3/0464;G06N3/0442
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明属于传感器数据群体行为识别技术领域,公开了一种基于多级特征增强的传感器数据群体行为识别方法,包括:通过滑动窗口对分割得到个体局部位置传感器数据,输入个体特征提取网络中得到个体行为特征;对每个个体的位置数据得到群体位置交互特征,融合个体行为特征和群体位置交互特征得到个体行为增强特征,拼接得到群体行为特征;采用时空级特征增强模块对群体行为特征得到群体行为增强特征,通过全连接层对群体行为增强特征输出群体行为识别结果。本发明既充分挖掘传感器数据信息,克服了群体特征表征困难的问题,同时通过对个体特征和群体特征进行多级增强,从而提高群体行为识别的正确性和鲁棒性,可有效对群体的时空信息进行特征表征。
主权项:1.一种基于多级特征增强的传感器数据群体行为识别方法,其特征在于,所述基于多级特征增强的传感器数据群体行为识别方法,包括:步骤1、对于每个个体,通过滑动窗口对个体局部位置的传感器采集的连续传感器数据进行分割,分割后得到个体局部位置传感器数据,将同一个体不同局部位置传感器数据输入到个体特征提取网络中得到个体行为特征;步骤2、对每个个体的位置数据进行预处理得到群体位置交互信息,对群体位置交互信息进行表征得到群体位置交互特征,融合个体的个体行为特征和群体位置交互特征得到该个体的个体行为增强特征,拼接群体中所有个体的个体行为增强特征得到群体行为特征;步骤3、采用CAMLP-mixer网络构建时空级特征增强模块,采用时空级特征增强模块对所述群体行为特征进行增强,得到群体行为增强特征,然后通过一个全连接层对群体行为增强特征输出群体行为识别结果。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种基于多级特征增强的传感器数据群体行为识别方法
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。