[发明专利]人体动作的检测方法、装置及计算机可读存储介质

说明书

本发明公开了一种人体动作的检测方法、装置及计算机可读存储介质，所述人体动作的检测方法包括以下步骤：获取人体动作对应的信道状态信息以及预设网络模型；根据所述信道状态信息生成输入数据，其中，所述输入数据包括训练集和测试集；采用所述训练集训练所述预设网络模型；对训练后的所述预设网络模型低秩分解得到目标网络模型，以使所述目标网络模型根据所述信道状态信息确定人体动作。本发明能够解决神经网络对不同人或不同环境下的人体动作的识别准确率差异性较大的问题。

技术领域

本发明涉及人工智能技术领域，特别涉及一种人体动作的检测方法、装置及计算机可读存储介质。

背景技术

当前，基于提取WiFi的信道状态信息(CSI，Channel State Information)而做动作识别的方法得到了广泛应用，当人做动作时，无线电波的传输会被干扰，WiFi信号会随着人体活动改变而产生多普勒频移，从而使WiFi信道中的CSI值发生改变，由于CSI数据矩阵包含了同一时刻多个子载波的幅度和相位信息，人体的各类活动所造成的数据变化有较高的差异性和可辨识度，因此，可以通过提取WiFi信号的CSI数据的幅度和相位特征，采用深度学习神经网络的方法识别人体动作。但是，该人体动作的检测方法中神经网络对不同人或不同环境下的人体动作数据的识别准确率会有所差异。

发明内容

本发明的主要目的是提供一种人体动作的检测方法、装置及计算机可读存储介质，旨在解决神经网络对不同人或不同环境下人体动作的识别准确率之间差异性较大的问题。

为实现上述目的，本发明提供了一种人体动作的检测方法，所述人体动作的的检测方法包括：

获取人体动作对应的信道状态信息以及预设网络模型；

根据所述信道状态信息生成输入数据，其中，所述输入数据包括训练集和测试集；

采用所述训练集训练所述预设网络模型；

对训练后的所述预设网络模型低秩分解得到目标网络模型，以使所述目标网络模型根据所述信道状态信息确定人体动作。

可选地，所述采用所述训练集训练所述预设网络模型，并对训练后的所述预设网络模型低秩分解得到目标网络模型的步骤之后包括：

将所述测试集输入所述目标网络模型得到所述目标网络模型的人体动作识别的准确率。

可选地，所述对训练后的所述预设网络模型低秩分解得到目标网络模型的步骤包括：

确定训练后的所述预设网络模型的目标网络层，其中，所述目标网络层包括训练后的所述预设网络模型的卷积层和全连接层中的至少一个；

对所述目标网络层低秩分解得到第一网络层；

采用所述第一网络层替换训练后的所述预设网络模型中的所述目标网络层得到目标网络模型。

可选地，所述对所述目标网络层低秩分解得到第一网络层的步骤包括：

获取所述目标网络层的权重矩阵；

确定低秩分解的秩；

根据所述低秩分解的秩和所述权重矩阵生成第一矩阵；

采用所述第一矩阵替换所述权重矩阵得到所述第一网络层。

可选地，所述根据所述第一矩阵确定所述第一网络层的步骤包括；

确定所述第一矩阵需要增加的秩；

根据所述第一矩阵需要增加的秩和所述第一矩阵生成第二矩阵；

采用所述第一矩阵和所述第二矩阵替换所述权重矩阵得到所述第一网络层。

可选地，所述根据所述信道状态信息生成输入数据的步骤包括：