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！

申请/专利权人：吉林大学

摘要：本发明提出了基于信号通道缩放和频域特征补全的人类活动识别方法，属于人类活动识别技术领域，包括：对人体活动中的传感器数据进行预处理，获取频域信息和时域信息；对所述频域信息和时域信息进行特征提取，并对提取的特征进行压缩以及特征融合，获取时频融合特征；利用预设分类器对所述时频融合特征进行分类识别，获取人体活动识别结果。本发明有效地校准了多通道信号的特征表示，更好地缓解了人类识别活动中数据的异质性问题，实现人类识别活动的准确识别。

主权项：1.基于信号通道缩放和频域特征补全的人类活动识别方法，其特征在于，包括：对人体活动中的传感器数据进行预处理，获取频域信息和时域信息；对所述频域信息和时域信息进行特征提取，并对提取的特征进行压缩以及特征融合，获取时频融合特征；获取所述时频融合特征包括：基于信号通道缩放策略，对所述频域信息和时域信息进行压缩；对压缩后的所述频域信息和时域信息进行特征提取，获取多模态频域特征和多模态时域特征；对所述多模态频域特征和多模态时域特征进行特征融合，获取时频融合特征；对所述频域信息和时域信息进行特征提取，获取多模态频域特征和多模态时域特征包括：对所述频域信息和时域信息分别捕获通道依赖关系，获取所述频域信息和时域信息每个通道的缩放因子；所述缩放因子与原始通道作用后，获取新的校准通道；所述新的校准通道为： 其中=[,...,]，指的是特征图和该通道对应的缩放因子之间的通道乘法，为实数，为第一层卷积后的序列长度，j代表第j个通道；所述缩放因子的获取方法为： 其中，表示缩放因子，表示ReLU函数，表示扩展映射层，表示降维压缩层，表示通道描述符；所述通道描述符的获取方法为： 其中，表示特征图；基于所述通道缩放策略，利用所述新的校准通道，提取所述多模态频域特征和多模态时域特征；对所述多模态频域特征和多模态时域特征进行特征融合，获取时频融合特征包括：获取所述多模态频域特征和多模态时域特征的隐藏表征；所述隐藏表征为： =其中，表示隐藏表征，表示多个传感器的多通道序列拼接的多模态数据，表示偏移量，表示激活函数；基于所述隐藏表征，获取每个所述多模态频域特征和多模态时域特征的重要性权重；所述重要性权重为： 其中，表示重要性权重，表示模态数量，表示在训练期间学习的随机初始化值，表示隐藏表征的转置，T表示转置；将所述多模态频域特征和多模态时域特征的重要性权重进行内积处理，获取所述时频融合特征；计算和的内积，生成统一的多模态表示： 通过分别对频域和时域信息进行特征融合操作，得到特征融合后时域和频域；最后，连接和产生最终输出；利用预设分类器对所述时频融合特征进行分类识别，获取人体活动识别结果；预设分类器是由三个全连接层和一个softmax函数组成的密集块D；预设分类器根据具有最大确定性得分的活动进行预测；过程如下： 。

全文数据：

权利要求：

百度查询： 吉林大学 基于信号通道缩放和频域特征补全的人类活动识别方法