[发明专利]一种基于改进LSTM模型的按压动作识别方法

说明书

一种基于改进LSTM模型的按压动作识别方法，它包括如下步骤：步骤一，实时获取心肺复苏按压过程中的视频帧；步骤二，根据不同视频帧之间的相互关系，加入注意力机制；步骤三，对LSTM模型进行改进，改进的模型如下：其中Qⁱ和Rⁱ为实现骨姿态节点为xⁱ和按压动作状态为hⁱ_prev交互所设置的矩阵，σ代表Sigmoid函数，r为超参数，表示采用多少帧图片所提取的特征；步骤四，根据增强后的视频帧xⁱ和按压动作状态h^j_prev，识别心肺复苏动作情况。经过注意力机制，增强视频帧xⁱ和按压动作模型状态h^j_prev之间的交互，最终使上下帧之间有更加丰富的交互表示，从而提高模型的检测精度。

技术领域

本发明涉及一种改进型算法，具体涉及一种基于改进LSTM模型的按压动作识别方法。

背景技术

心脏骤停严重威胁人们的生命健康，开展优质的心肺复苏（CPR,cardiopulmonary resuscitation）可显著提升患者存活率，同时也是挽救患者生命的重要手段。美国心脏协会（AHA, American Heart Association）和国际复苏联络委员会（ILCOR,International Liaision Committee on Resuscitation）将高质量的心肺复苏术作为复苏的核心[1]。目前常规的心肺复苏训练、考核方式为应用医学模拟人并由裁判打分评判。这样做存在几个弊端，比如考官评判主观性强，不够客观；在考核评判过程中考生具体的按压深度、频率等均依赖模拟人本身的质量条件，考官很难评判；训练过程中学员需要考官时时监督配合来纠正和提高自身的操作，大量消耗培训和考核的人力成本等等。

现有技术在获取了考生的按压图像之后，由于按压动作是一个动态过程，无法根据按压图像判断考生按压姿态是否合格，这就给自动评判带来了困难。

发明内容

本发明要解决的技术问题是：提供一种基于改进LSTM模型的按压动作识别方法。

为解决上述技术问题，本发明采用以下技术方案：

一种基于改进LSTM模型的按压动作识别方法，其特征在于：它包括如下步骤：

步骤一，实时获取心肺复苏按压过程中的视频帧；

步骤二，根据不同视频帧之间的相互关系，加入注意力机制，设i时刻的视频帧所提取的特征为xⁱ，按压动作状态为hⁱ_prev，则

其中Qⁱ和Rⁱ为实现骨姿态节点为xⁱ和按压动作状态为hⁱ_prev交互所设置的矩阵，σ代表Sigmoid函数，r为超参数，表示采用多少帧图片所提取的特征；

步骤三，对LSTM模型进行改进，改进的模型如下：

其中，和均代表各个项的权重，为网络学习的参数，初始化为=1/n，n代表所进行计算的图像帧数，j代表第j帧图像所提取特征，i代表第i帧图像所提取特征；

经过注意力机制，增强输入x和模型状态hⁱ_prev，最终使上下帧之间有更加丰富的交互表示，从而提高模型的检测精度；

步骤四，根据增强后的视频帧xⁱ和按压动作状态h^j_prev，识别心肺复苏动作情况。

所述心肺复苏动作情况包括按压深度、按压部位和按压频率。