公开(公告)号：CN118585746A

公开(公告)日：2024-09-03

申请号：CN202410636188.2

申请日：2024-05-22

Applicant: 南京邮电大学

Inventor： 杨洁 ,  王主珏 ,  张子衡 ,  黄文昕 ,  薛恩睿 ,  王禹

IPC: G06F18/10 ,  G06F18/25 ,  G06F18/2415 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/08 ,  G06F17/16 ,  G06V40/20

Abstract: 本发明涉及姿态识别技术领域，具体涉及一种基于多层次多尺度表示学习的鲁棒姿态识别方法，通过获取部署在环境中的WiFi设备采集的原始CSI数据，对CSI数据进行预处理，得到预处理后的CSI数据集；获取所述CSI数据集，进行分解，得到高频和低频子序列；搭建多尺度残差网络，将所述高频和低频子序列，输入到多尺度残差网络中，通过多个卷积层来提取空间和频率特征，通过特征融合模块进行融合与分类；输出预测活动结果。结合了多级别波形分解和多尺度卷积特征提取的优势，通过深度学习技术实现了对不同个体活动的有效识别，大大提高了模型的适用性和准确性。