公开(公告)号：CN110610158A

公开(公告)日：2019-12-24

申请号：CN201910869443.7

申请日：2019-09-16

Applicant: 南京师范大学

Inventor： 张雷 ,  王震宇 ,  王焜 ,  滕起

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于卷积和门控循环神经网络的人体姿态识别方法及系统，该方法包括：(1)采集传感器数据，并记录对应的动作类别；(2)对传感器数据进行预处理，将数据分为训练样本和测试样本两类；(3)采用训练样本训练卷积和门控循环神经网络模型，并根据需求不断调整模型参数；(4)将训练完成的卷积和门控循环神经网络模型移植到移动智能终端上；(5)利用移动智能终端上实时采集的传感器数据，进行预处理后，输入到训练完成的卷积和门控循环神经网络模型，得到人体姿态识别结果。本发明利用人工智能-卷积和门控循环神经网络识别方法，识别精度高，识别类型多；相比于视频或者图像识别的方法，可以有效的保护用户隐私。

公开(公告)号：CN109740651A

公开(公告)日：2019-05-10

申请号：CN201811581807.3

申请日：2018-12-24

Applicant: 南京师范大学

Inventor： 滕起 ,  张雷 ,  钱伟行 ,  刘文慧 ,  毛进伟 ,  王焜 ,  王震宇 ,  滕婕

IPC: G06K9/62

Abstract: 本发明公开了一种基于1-范数数据处理变换和卷积神经网络的肢体识别方法，包括如下步骤：步骤1，通过移动传感器采集三轴加速度数据，并对每种活动类型打上相应标签；步骤2，对采集到的数据进行1-范数处理，并划分训练集和测试集样本；步骤3，对上述处理过的数据进行卷积神经网络的训练，得到最合适权值和偏执值，整理后生成.pb文件；步骤4，将文件出入移动智能终端，得到准确的人体肢体动作检测效果。本发明识别速度快，识别准确度高。只要采集的数据数量和类型足够，可以将能够分类的动作类别扩展到更多；在公路监控、人体姿态识别等方面具有重要实际应用意义。

公开(公告)号：CN109685148A

公开(公告)日：2019-04-26

申请号：CN201811617723.0

申请日：2018-12-28

Applicant: 南京师范大学

Inventor： 王焜 ,  张雷 ,  王琦 ,  王震宇 ,  滕起 ,  毛进伟

IPC: G06K9/62

CPC classification number: G06K9/627 ,  G06K9/6256

Abstract: 本发明公开了一种多类别人体动作识别方法，包括以下步骤：S1：采集各类别人体动作数据，并附上动作类别标签；S2：采用相邻算法对S1中的数据进行处理，并将数据分为训练样本和测试样本；S3：建立多层的卷积神经网络模型，导入训练样本调节卷积神经网络模型参数，得到最优卷积神经网络模型；S4：将训练好的卷积神经网络模型移植到移动智能终端上；S5：通过利用移动智能终端获取人体动作数据，输入到训练好的卷积神经网络模型，得到人体动作识别结果。此种方法识别精度高，能够识别的动作类型多。

公开(公告)号：CN109726662A

公开(公告)日：2019-05-07

申请号：CN201811581051.2

申请日：2018-12-24

Applicant: 南京师范大学

Inventor： 王震宇 ,  张雷 ,  王琦 ,  刘文慧 ,  王焜 ,  滕起 ,  毛进伟

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积和循环组合神经网络的多类别人体姿态识别方法，包括：步骤1，采集移动智能终端设备的加速度计和陀螺仪数据，记录对应的动作类别；步骤2，对加速度计和陀螺仪数据进行预处理，将数据分为训练样本和测试样本；步骤3，采用训练样本训练卷积和循环组合神经网络，再采用测试样本测试其准确率，并根据需求不断调整；步骤4，将训练完成的卷积和循环组合神经网络模型移植到移动智能终端上；步骤5，利用移动智能终端采集加速度计和陀螺仪数据，预处理后输入到训练好的卷积和循环组合神经网络模型，得到人体姿态识别结果。本发明识别精度高，识别类型多，可有效保护用户隐私；可应用于常用的智能电子设备，有较强的移植性。

公开(公告)号：CN109711324A

公开(公告)日：2019-05-03

申请号：CN201811585913.9

申请日：2018-12-24

Applicant: 南京师范大学

Inventor： 毛进伟 ,  张雷 ,  谢非 ,  滕起 ,  王震宇 ,  王焜

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06F17/14

Abstract: 本发明公开了一种基于傅里叶变换和卷积神经网络的人体姿态识别系统，包括以下步骤：1、收集九轴陀螺仪和加速度计的数据集；2.对收集的数据进行预处理，并且按照一定的比例把数据分成测试集和训练集；3.将训练集和测试集送入卷积神经网络进行训练，网络自发完善自身的参数；4.将训练好的网络移植到终端上。在实际过程中，手机自带的陀螺仪加速度计采集到的数据可以输入到已经训练好的网络中，实现对当前行为的姿态识别。本发明有效的提高了数据的辨识度；识别精度高，识别类型多；识别方法识别的动作数量具有可扩展性，且扩展操作简单，易于开发人员操作；相比于视频或者图像识别的方法，可以有效的保护用户隐私。