一种基于残差收缩网络的人体活动识别方法

专利主权项内容

1.一种基于残差收缩网络的人体活动识别方法，其特征在于，所述人体活动识别方法包括面向人体活动识别的残差收缩网络，所述残差收缩网络包括卷积网络层、两个相邻的残差收缩层和一个分类网络层；所述卷积网络层包括卷积层、归一化层和激活层；任一所述残差收缩层包括门控循环单元网络、两个空洞卷积层、一个通道注意力阈值自学习层和一个软阈值化层；其中，任一所述空洞卷积层包括归一化层和激活层；所述通道注意力阈值自学习层包括池化压缩层、两层全连接层、归一化层和激活层；所述分类网络层包括特征融合层、全连接网络层和激活层；所述特征融合层包括池化压缩层和融合层；所述全连接网络层包括两层全连接层和归一化层；所述人体活动识别方法，还包括以下步骤：S1、获取人体活动的时间序列数据集；S2、对步骤S1得到的时间序列数据集进行预处理，得到残差收缩网络的数据集；S3、将残差收缩网络初始化；S4、将步骤S2得到的数据集输入到残差收缩网络并进行训练，得到权重优化的残差收缩网络；S5、将步骤S4得到的权重优化残差收缩网络部署到需要识别人体活动的智能可穿戴设备中，即可完成对人体活动的识别。