(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210278541.5 (22)申请日 2022.03.21 (71)申请人 南京邮电大 学 地址 210046 江苏省南京市栖霞区文苑路9 号 (72)发明人 潘甦　金律成　 (74)专利代理 机构 南京正联知识产权代理有限 公司 32243 专利代理师 张玉红 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06V 40/20(2022.01) H04B 17/309(2015.01)G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于WIFI中信道状态信息和改进卷积 神经网络的动作识别方法 (57)摘要 本发明公开了一种基于WIFI中信道状态信 息和改进卷积神经网络的动作识别方法， 具体步 骤为： 数据采集、 数据预处理、 构建改进sha ‑CNN， 并加入批正则化机制， 并对训练集进行特征提 取、 利用加入批正则化机制的改进sha ‑CNN进行 动作分类模型训练。 本发明在改进sha ‑CNN的卷 积层内融入批正则化机制， 以加快网络收敛的速 度， 防止训练数据和测试数据的分布 不同引起的 泛化性能下降问题， 在提升人体动作识别精度的 前提下， 最大限度地通过降低数据维度， 压缩网 络模型的方式降低计算成本， 提高人体动作识别 速度。 权利要求书2页 说明书6页 附图4页 CN 114626419 A 2022.06.14 CN 114626419 A 1.一种基于WIFI中信道状态信息和改进卷积神经网络的动作识别方法， 其特征在于： 包括如下步骤： 步骤1， 数据采集： 在室内稀疏环境中采集人体动作 WI‑FI信号， 接收端采集信道状态信 息； 步骤2， 数据预处理： 提取人体动作WI ‑FI信号中的幅值信息， 通过低通滤波器去除烦扰 因素产生的高频噪声， 再利用基于阈值的方法进行有效数据的提取， 并通过滑 窗采样统一 数据尺寸， 同时加注标签， 后划分训练集和 测试集； 步骤3， 构建改进sha ‑CNN， 并加入批正则化机制， 对训练集进行特征提取， 采用了局部 特征融合策略， 来获得 人体动作图像的全局特 征； 步骤4， 利用改进sha ‑CNN进行动作分类模型训练， 输入测试集进行动作分类预测， 根据 实际动作分类比对预测标签。 2.根据权利要求1所述一种基于WIFI中信道状态信息和改进卷积神经网络的动作识别 方法， 其特 征在于： 加注标签后的数据70％划分为训练集， 3 0％划分为测试集。 3.根据权利要求1所述一种基于WIFI中信道状态信息和改进卷积神经网络的动作识别 方法， 其特征在于： 局部特征融合策略具体操作为： 将提取的动作特征拆解为两个或多个独 立动作， 将独立动作的参数模 型A1， A2， ...， An各自的模态特征导入Mix模块， Mix模块对独立 动作的参数模型的特 征参数进行混合特 征参数运 算， 公式为： 其中， 是Mix模型第i层的权重因子， 是动作模型An第i层的第k个动作的动作特 征参数， 是 的权重因子， n 为动作模型分类的类别数。 4.根据权利要求1所述一种基于WIFI中信道状态信息和改进卷积神经网络的动作识别 方法， 其特征在于： 步骤4中改进sha ‑CNN包括卷积、 池化和非线性层， 批正则化机制加入在 卷积层中。 5.根据权利要求4所述一种基于WIFI中信道状态信息和改进卷积神经网络的动作识别 方法， 其特征在于： 卷积层的大小为1 ×1、 深度为n、 对conv1、 conv2采用3 ×3尺寸的卷积核， 步长为2， 池化层尺寸采用2 ×2， 步长移动设置为2； conv3卷积核尺寸设为2 ×20， 设置垂直 方向卷积步长为20， 水平方向卷积步长为1， 池化层尺寸设为2 ×10， 步长设为1。 6.根据权利要求1所述一种基于WIFI中信道状态信息和改进卷积神经网络的动作识别 方法， 其特征在于： 批正则化的输入 数据为维度为m的小批量数据B＝{x1， x2，…， xm}、 需要学 习的参数γ和β， 首 先计算小批量数据均值 μB， 计算如下： 其中， xω表示小批量数据集B ＝{x1， x2， ...， xm}中的第ω个数据， ω∈[1， m],m为小批量 数据集B中的最后一个数据； 接着计算小批量数据的方差 计算如下：权　利　要　求　书 1/2 页 2 CN 114626419 A 2进行规范化操作， 规范化数值 计算如下： 其中,γ和β 分别为模型 数据训练得 出， 在每次模型训练中为固定值。权　利　要　求　书 2/2 页 3 CN 114626419 A 3