申请/专利权人:南通大学
申请日:2024-01-19
公开(公告)日:2024-04-16
公开(公告)号:CN117892177A
主分类号:G06F18/24
分类号:G06F18/24;G06N3/045;G06N3/0464;G06N3/096;G06N3/084;G06F18/213;G06F18/25;G06F18/10
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本专利涉及一种结合迁移学习与特征金字塔的行人步态识别与分类方法,该方法使用手机惯性导航传感器以及毫米波雷达进行惯性导航数据以及雷达数据的采集。通过搭建卷积神经网络和特征金字塔网络的深度学习神经网络,使用处理后的惯性导航数据以及雷达数据对神经网络进行迁移学习。在网络训练和迁移过程中优化步态数据的识别和分类性能。本发明能够实现在多传感器数据上进行行人步态的准确预测。
主权项:1.一种结合迁移学习与特征金字塔的行人步态识别与分类方法,其特征在于,包括如下步骤:使用手机传感器以及毫米波雷达进行惯性导航数据以及雷达数据的采集;将惯性导航数据中的加速度使用多轴行人步态预测神经网络获取直角坐标系各轴的权重,并进行融合,构建惯导数据集;对雷达数据进行时频卡尔曼动态处理,构建雷达数据集;搭建通道感知金字塔卷积网络Net1,使用惯导数据集对Net1进行训练;构建与Net1结构相同的网络Net2,Net2的输入层大小调整为雷达数据大小,复制Net1的权重;使用雷达数据集对Net2进行训练;使用训练完成的Net2进行行人步态预测。
全文数据:
权利要求:
百度查询: 南通大学 一种结合迁移学习与特征金字塔的行人步态识别与分类方法
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。