买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中山大学申请的专利一种跌倒检测模型训练方法、跌倒检测方法、装置及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117034007B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310912680.3，技术领域涉及：G06F18/214；该发明授权一种跌倒检测模型训练方法、跌倒检测方法、装置及设备是由赵毓斌;陈卓龙设计研发完成，并于2023-07-24向国家知识产权局提交的专利申请。

本一种跌倒检测模型训练方法、跌倒检测方法、装置及设备在说明书摘要公布了：本发明公开了一种跌倒检测模型训练方法、跌倒检测方法、装置及设备，训练方法包括：获取训练CSI信号，对训练CSI信号进行数据预处理；再根据训练CSI信号获取训练特征矩阵和训练频谱图；将标注有标签的训练特征矩阵和训练频谱图分别作为第一训练数据和第二训练数据，以第一、第二训练数据和交叉熵损失函数训练预设的深度学习模型，得到初始深度学习模型；将初始深度学习模型中的卷积层和全连接层的参数类型从浮点型变更为整数型，再以第一、第二训练数据和交叉熵损失函数训练初始深度学习模型，得到目标深度学习模型。本发明可以提高跌倒检测模型的训练效率，并提高跌倒检测的性能和减少计算资源，可广泛应用于模型训练和动作检测领域。

本发明授权一种跌倒检测模型训练方法、跌倒检测方法、装置及设备在权利要求书中公布了：1.一种跌倒检测模型训练方法，其特征在于，包括： 获取包括跌倒动作的训练CSI信号，并对所述训练CSI信号进行数据预处理； 根据经过数据预处理的所述训练CSI信号获取多个训练特征矩阵和多个训练频谱图； 将标注有训练标签的多个所述训练特征矩阵作为第一训练数据，将标注有训练标签的多个所述训练频谱图作为第二训练数据，以所述第一训练数据、所述第二训练数据和交叉熵损失函数训练预设的深度学习模型，得到初始深度学习模型； 将所述初始深度学习模型中的卷积层和全连接层的参数类型从浮点型变更为整数型，再以所述第一训练数据、所述第二训练数据和交叉熵损失函数训练所述初始深度学习模型，得到目标深度学习模型； 所述根据经过数据预处理的所述训练CSI信号获取多个训练特征矩阵和多个训练频谱图，包括： 将经过数据预处理的所述训练CSI信号中所有子载波的平均幅度作为特征，从经过数据预处理的所述训练CSI信号中获取所述特征对应的多个初始特征矩阵； 对经过数据预处理的所述训练CSI信号进行傅里叶变换，得到多个初始频谱图； 根据多个所述初始特征矩阵获取多个所述训练特征矩阵，根据多个所述初始频谱图获取多个所述训练频谱图； 所述训练方法还包括： 将卷积块注意力模块集成到所述预设的深度学习模型中； 所述以所述第一训练数据、所述第二训练数据和交叉熵损失函数训练预设的深度学习模型，包括： 以所述第一训练数据、所述第二训练数据和交叉熵损失函数训练集成有卷积块注意力模块的所述预设的深度学习模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。