公开(公告)号：CN111626174B

公开(公告)日：2023-03-24

申请号：CN202010438367.7

申请日：2020-05-22

Applicant: 哈尔滨工程大学

Inventor： 杨武 ,  吕继光 ,  苘大鹏 ,  王巍 ,  玄世昌 ,  丁宁宁

IPC: G06F18/10 ,  G06F18/2135 ,  G06F18/22 ,  G06F18/24 ,  G06F18/2431 ,  G06F18/2131

Abstract: 本发明属于单用户姿态鲁棒技术领域，具体涉及一种基于信道状态信息的姿态鲁棒动作识别方法。智能化的生活是人们未来追求的目标，准确的实现人机交互是当前亟待解决的问题。现有基于信道状态信息的动作识别方法针对同一用户不同时刻的动作识别准确率不高。本发明通过引入提取稳定特征的方法来改善现有方法的不足，提取改变甚微的稳定特征，提高识别准确率。

公开(公告)号：CN112308042A

公开(公告)日：2021-02-02

申请号：CN202011347335.2

申请日：2020-11-26

Applicant: 哈尔滨工程大学

Inventor： 吕继光 ,  杨武 ,  苘大鹏 ,  王巍 ,  玄世昌 ,  丁宁宁

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于信道状态信息的陌生人动作识别方法，S1：获取信道状态信息；S2：对S1获得的信道状态信息进行预处理；S3：将预处理后的数据输入卷积神经网络提取特征，得到特征向量；S4：将特征向量送入SVM中进行二次训练，得到CNN‑SVM结合模型；S5：在离线识别阶段，将采集到的待识别数据经过预处理，带入CNN模型中得到特征向量，再把得到的特征向量带入已训练好的模型中进行动作识别。本发使用SVM代替CNN中的softmax，CNN‑SVM结合的模型训练时长相对更短、预测速度也会相对更快、收敛速度快、识别准确率高。只需要少数用户的训练，即可实现对更多用户的动作识别。

公开(公告)号：CN111626174A

公开(公告)日：2020-09-04

申请号：CN202010438367.7

申请日：2020-05-22

Applicant: 哈尔滨工程大学

Inventor： 杨武 ,  吕继光 ,  苘大鹏 ,  王巍 ,  玄世昌 ,  丁宁宁

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明属于单用户姿态鲁棒技术领域，具体涉及一种基于信道状态信息的姿态鲁棒动作识别方法。智能化的生活是人们未来追求的目标，准确的实现人机交互是当前亟待解决的问题。现有基于信道状态信息的动作识别方法针对同一用户不同时刻的动作识别准确率不高。本发明通过引入提取稳定特征的方法来改善现有方法的不足，提取改变甚微的稳定特征，提高识别准确率。