基于多特征融合CNN-BLSTM的人体复杂行为识别方法[CN201911240544.4] - 浙江工业大学

专利申请

2019-12-06
公布公告

2022-04-05
授权日期

2022-04-05
终止

2032-04-02

基于多特征融合CNN-BLSTM的人体复杂行为识别方法

* 专利信息仅供参考，不具有法律效力。有效专利

注册号： CN201911240544.4 申请日期： 2019-12-06 专利主类别： G06V40/20 {{ classMap["G06V40/20"] }}

申请人名称：浙江工业大学

查看申请人名下所有专利

申请人地址：浙江省杭州市下城区朝晖六区潮王路18号

专利分类项目

G06V40/20 :

G06V10/764 :

G06V10/82 :

G06K9/62 : 应用电子设备进行识别的方法或装置

G06N3/04 : 体系结构，例如，互连拓扑

G06N3/08 : 学习方法

专利注册信息

初审公告期号	2019-12-06	初审公告日期	2022-04-05
注册公告期号	2022-04-05	注册公告日期	2022-04-05
专用权期限	2022-04-05 - 2032-04-02	专利类型	发明授权
代理组织机构	杭州斯可睿专利事务所有限公司查看该机构代理的所有专利

专利介绍

一种基于多特征融合CNN‑BLSTM的人体复杂行为识别方法包括如下步骤：通过滑动窗口对连续的传感器数据进行分割，对分割后的传感器数据提取特征，并通过特征选择算法，对这一系列人工提取特征进行筛选，保留优势特征；将分割后的行为数据输入深度学习模型进行训练，首先通过卷积神经网络进行一维卷积池化处理，再通过双向长短期记忆神经网络，使用平均池化层对双向长短期记忆神经网络输出的状态进行显著性特征提取，最后将池化后的特征向量与先前提取的优势特征向量融合，作为全连接层的输入特征，得到复杂行为识别的输出。本发明能充分挖掘传感器数据特征，提高人体复杂行为识别准确率。

法律进度