一种基于轻量注意力卷积神经网络的步态识别方法和系统

发明专利有效专利

申请号：
CN202110506008.5
IPC分类号：G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
申请日期：
2021-05-10
申请人：
中国科学院深圳先进技术研究院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于轻量注意力卷积神经网络的步态识别方法和系统
申请号	CN202110506008.5	申请日期	2021-05-10
法律状态	实质审查	申报国家	中国
公开/公告日	2021-07-20	公开/公告号	CN113139499A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;4;6;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	中国科学院深圳先进技术研究院	申请人地址	广东省深圳市南山区深圳大学城学苑大道1068号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国科学院深圳先进技术研究院	当前权利人	中国科学院深圳先进技术研究院
发明人	孙方敏;李烨;黄浩华
代理机构	北京市诚辉律师事务所	代理人	耿慧敏;朱伟军

摘要

本发明公开一种基于轻量注意力卷积神经网络的步态识别方法和系统。该方法包括：将采集的三轴加速度和三轴角速度步态数据输入轻量级卷积神经网络提取步态特征，该轻量级卷积神经网络在时间轴上进行一维卷积计算，分别提取加速度单轴信号和角速度单轴信号内的特征，并采用二维卷积对所提取的六轴信号特征融合；对于轻量级卷积神经网络输出的特征图，根据各通道的上下文编码信息计算各通道的注意力权重参数；对于轻量级卷积神经网络输出的每一个通道的特征图，使用深度可分离卷积进一步提取特征后与对应通道注意力权重参数进行相乘从而增强特征，增强后的特征被用于分类进而实现步态识别。利用本发明能够降低模型的复杂度并提高步态识别准确性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供