[发明专利]神经网络训练方法、人体运动识别方法及设备、存储介质

权利要求书

1.一种神经网络训练方法，其特征在于，所述神经网络训练方法包括：

获取训练数据集，并对所述训练数据集中的训练数据进行预处理，得到若干训练图数据，其中，每一训练图数据为所述训练数据中一个时间片的训练图数据；

将所述训练图数据输入图神经网络进行训练，其中，所述图神经网络包括依次连接的若干图卷积层；

基于训练结果，获取最终图神经网络的权重矩阵，完成神经网络训练，其中，所述图神经网络的权重矩阵由所述若干图卷积层的最终权重组成。

2.根据权利要求1所述的神经网络训练方法，其特征在于，

所述将所述训练图数据输入图神经网络进行训练，包括：

将每一所述训练图像数据输入所述图神经网络的首个图卷积层，获取所述首个图卷积层的首个输出；

将所述首个输出输入所述首个图卷积层的下一个图卷积层，以将所述首个输出作为所述下一个图卷积层的输入进行训练，直至完成所述图神经网络的所有图卷积层的训练。

3.根据权利要求2所述的神经网络训练方法，其特征在于，

所述将所述首个输出输入所述首个图卷积层的下一个图卷积层，以将所述首个输出作为所述下一个图卷积层的输入进行训练，包括：

将所述首个输出以及所述训练图数据进行叠加，得到融合数据；

将所述融合数据输入所述下一个图卷积层，以将所述融合数据作为所述下一个图卷积层的输入进行训练。

4.根据权利要求2所述的神经网络训练方法，其特征在于，

所述首个输出由所述训练图像数据、所述首个图卷积层的训练权重计算生成；

所述首个输出通过激活函数转换为所述下一个图卷积层的输入。

5.根据权利要求1所述的神经网络训练方法，其特征在于，

所述将所述训练图数据输入图神经网络进行训练，包括：

利用拉普拉斯算子从所述训练图数据的节点特征中提取空间特征；

利用所述图神经网络的训练权重作为对角线元素，构建对角矩阵；

利用所述空间特征以及所述对角矩阵，形成所述图神经网络的输出进行训练。

6.根据权利要求5所述的神经网络训练方法，其特征在于，

所述利用所述空间特征以及所述对角矩阵，形成所述图神经网络的输出进行训练，包括：

获取每一个节点特征的空间特征；

基于预设卷积核感受野，更新所述每一个节点特征的空间特征；

利用更新后的空间特征以及所述对角矩阵，形成所述图神经网络的输出进行训练。

7.根据权利要求6所述的神经网络训练方法，其特征在于，

所述基于预设卷积核感受野，更新所述每一个节点特征的空间特征，包括：

按照所述预设卷积核感受野，设置切比雪夫多项式递归方程；

将所述每一个节点特征的空间特征输入所述切比雪夫多项式递归方程，递归得到所述每一个节点特征更新后的空间特征。

8.根据权利要求1所述的神经网络训练方法，其特征在于，

所述图神经网络在所述若干图卷积层之后，还连接有至少一层全连接层，所述至少一层全连接层用于训练分类任务。

9.根据权利要求1所述的神经网络训练方法，其特征在于，

所述基于训练结果，获取最终图神经网络的权重矩阵，完成神经网络训练之后，所述神经网络训练方法还包括：

将完成神经网络训练的图神经网络迁移到其他神经网络，作为其他神经网络的一部分网络结构，从而形成迁移神经网络；

重新对所述迁移神经网络进行训练。