[发明专利]基于无线射频技术的人物动作特征提取和识别优化方法

权利要求书

1.一种基于无线射频技术的人物动作特征提取和识别优化方法，其特征在于，包括以下步骤：

步骤1)，将标签附着于人体上，在空间中布置m个阅读器，用户做出动作，阅读器阅读标签信息，系统接收并存储每一个阅读器的数据，获得标签相位差数据，同时系统发出与接受信号相位差；

步骤2)，用户动作结束时，系统拼接相位差数据，获得相位差变化过程，步骤如下：

步骤21)，阅读器所接受原始相位差数据共有n项，记为input1[n]；

步骤22)，拼接后的数据为input2[n]，拼接的过程为：

得到一个处理后的数据input2[n]；

步骤3)，步骤2中处理后的数据有t项，记为input3[t],对于1≤j≤t，做如下处理：

input3[t]表示在运动过程中取了t个点，每一个点的值相当于标签在这一段运动过程中，相位差变化的大小；

步骤4)，汇总所有阅读器的数据；

步骤5)，将步骤4)处理后的数据交给深度学习网络，判断动作类型。

2.根据权利要求1所述基于无线射频技术的人物动作特征提取和识别优化方法，其特征在于：所述步骤4)汇总所有阅读器的数据的步骤如下：按照步骤2)到步骤3)的方法处理m个阅读器所获得的数据，一共获得了mt个的数据，将这些数据汇总记作data[mt]，作为预处理的结果。

3.根据权利要求2所述基于无线射频技术的人物动作特征提取和识别优化方法，其特征在于：所述步骤5)的具体步骤如下：

步骤51)，首先需要录入d条动作指令，通过步骤2)3)4)获取这些动作指令预处理后的数据；

步骤52)，构建模拟数据生成器，对于一条真实数据data[mt]，生成扰乱数据offset[mt]，其中每一项都为(-r,r)之间的随机数，r表示随机数确定区间值，sim[mt]＝data[mt]+offset[mt]作为获得的一条模拟数据sim[mt]，按照此方法生成模拟数据；

步骤53)，搭建深度学习网络，网络包含输入层1层，mt个节点，隐藏层1层mt个节点，输出层1层，节点数量d，将配合模拟数据生成器，完成深度学习网络的训练；

步骤54)，固化训练完成的深度学习网络；

步骤55)，识别过程中，将步骤51)到步骤54)所获得的深度学习网络用于处理真实数据，判断真实数据的动作类型。

4.根据权利要求3所述基于无线射频技术的人物动作特征提取和识别优化方法，其特征在于：阅读器的个数m取4。

5.根据权利要求4所述基于无线射频技术的人物动作特征提取和识别优化方法，其特征在于：运动过程中取的点数t取20。

6.根据权利要求5所述基于无线射频技术的人物动作特征提取和识别优化方法，其特征在于：随机数确定区间值r取0.5。