申请/专利权人：韶关学院;深圳市赛盛检测技术服务有限公司

申请日：2023-12-27

公开（公告）日：2024-04-02

公开（公告）号：CN117812552A

主分类号：H04W4/30

分类号：H04W4/30;H04B17/309;G06F18/214;G06F18/241;G06N3/0464;G06N3/08;H04L69/22

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：本发明公开了一种基于数据包压缩网络的WiFi信号人体行为识别方法及系统，应用于模式识别技术领域，WiFi天线采集数据包，每个数据包中有子载波的信道状态信息，将所有信息合并为数据矩阵。经过3×3的卷积层、归一化层和激活层，送入压缩残差模块；经过四个阶段的压缩残差模块和下采样压缩残差模块网络组合后，再进行均值池化层和全连接层，最后预测人体行为类型。压缩残差模块网络是在常用的残差块上添加数据包压缩网络，通过对数据包方向维度进行压缩提取，提取每个数据包的权值，然后通过相乘将对输入数据包进行赋权，完成原始数据的重标定。本发明能有效提取数据包特征信息，显著提升人体行为识别准确率。

主权项：1.一种基于数据包压缩网络的WiFi信号人体行为识别方法，其特征在于，具体步骤如下：搭建行为识别系统，接收端和发送端距离固定长度，建立接收端和发送端的wifi通信连接；识别对象处于所述发送端和所述接收端之间，并做出相应动作行为；所述接收端接收发送端发送的数据包，并进行解析，获取到每个子载波的信道状态信息作为样本；经过滤波处理和分割后将所有信道信息合并为数据矩阵；建立人体行为识别模型，通过对数据包方向维度进行压缩提取，提取每个数据包的权值，然后通过相乘将对输入数据包进行赋权，完成原始数据的重标定；得到最优人体行为识别模型；获取待测行为对应的数据包，输入最优人体行为识别模型，输出为躺下、摔倒、走路、捡东西、跑步、坐下和起立七种人体行为的概率，取概率值最大的行为作为最终预测结果。

全文数据：

权利要求：

百度查询： 韶关学院;深圳市赛盛检测技术服务有限公司 一种基于数据包压缩网络的WiFi信号人体行为识别方法及系统

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