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。