[发明专利]一种基于双层LSTM神经网络的动作识别方法有效
| 申请号： | 201810998284.6 | 申请日： | 2018-08-29 |
| 公开（公告）号： | CN109271889B | 公开（公告）日： | 2021-10-08 |
| 发明（设计）人： | 林冠豪;吴贺俊 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及传感器领域，提出一种基于双层LSTM神经网络的动作识别方法，包括以下步骤：收集原始数据，对原始数据进行去噪处理；对数据进行分片；计算分片数据的频谱图，将两两相邻的频谱图进行减法运算，得出频谱图差值；对分片数据打标签；将打好标签的数据划分为训练集、交叉验证集和测试集；将频谱图差值导入双层单向LSTM神经网络模型对数据进行训练；在交叉验证集上不断调整学习率参数，选择准确度最高的模型对应的学习率作为最终参数值；将最终参数值导入测试集中，将模型运行在测试集数据上，其运行结果即为本算法模型的最终结果。本发明能够记忆所有输入数据，准确划分不同的人体动作的运动数据，提取不同动作在时间上的依赖性。 | ||
| 搜索关键词： | 一种 基于 双层 lstm 神经网络 动作 识别 方法 | ||
【主权项】：
1.一种基于双层LSTM神经网络的动作识别方法，其特征在于，包括以下步骤：S1：收集原始数据，对原始数据进行去噪处理；S2：根据分片标准对经去噪处理的数据进行分片；S3：计算分片数据的频谱图，将两两相邻的频谱图进行减法运算，得出频谱图差值；S4：对分片数据打标签；S5：将打好标签的数据划分为训练集、交叉验证集和测试集；S6：设计双层单向LSTM神经网络模型，并将频谱图差值输入双层单向LSTM神经网络模型中对数据进行训练；S7：在交叉验证集上不断调整学习率参数，选择准确度最高的模型对应的学习率作为最终参数值；S8：确定双层单向LSTM神经网络模型的最终参数值之后，将模型运行在测试集数据上，其运行结果即为动作识别的结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810998284.6/，转载请声明来源钻瓜专利网。
