基于GRU神经网络的行人步行零速检测方法及装置制造方法及图纸

本发明专利技术提供了一种基于GRU神经网络的行人步行零速检测方法，GRU包括更新门和复位门，包括以下步骤：实时接收并且记录IMU发出的数据x

Pedestrian zero speed detection method and device based on Gru neural network

【技术实现步骤摘要】
基于GRU神经网络的行人步行零速检测方法及装置
本专利技术涉及行人步行检测
，具体涉及一种基于GRU神经网络的行人步行零速检测方法及装置。
技术介绍
鉴于体积、重量、功耗、成本等多方面的要求，行人步行导航系统大都选择使用精度较低的MEMS(Micro-Electro-MechanicalSystem，微机电系统)惯性传感器完成行人步态和运动加速度的测量工作，在GNSS(GlobalNavigationSatelliteSystem，全球导航卫星系统)和其他大多数无线电导航系统性能很差的地区、树荫下、甚至室内为行人提供准确的位置导航服务。由于MEMS惯性器件的精度较低，而且在GNSS信号较弱的环境下也很难利用卫星信号对惯性器件进行校正，所以一种有效的解决办法是将MEMS惯性器件安装在鞋上，利用人体行走过程中脚面的零速状态进行零速修正，以达到较长时间的高精度纯惯性自主定位结果。那么根据上述内容可知，要利用较低性能的MEMS惯性器件完成较高的定位指标，零速检测的准确性将起到至关重要的作用。现有的零速检测器主要是根据给定的统一阈值对行人行走时脚面的零速状态进行判断的，将惯性测量单元(IMU，InertialMeasurementUnits)读取到的数据代入到运动模型中进行计算，如果计算结果低于该阈值，系统则认为当前行人地脚面处于静止状态。但是人类行走的姿态具有较高的多样性，而且针对一些特殊的路况(如爬楼梯、上坡等)行人地行走姿态又具有较强的复杂性，因此采用固定的统计阈值是很难准确地判断出脚步零速地状态，这将严重制约着步行导航算法达到较高的行人步行导航精度。虽然固定的阈值可以为均匀运动类型提供近乎最佳的零速度检测，但人类的运动姿态较为多样，且具有一定的复杂性，当用户改变其运动类型或强度时，固定阈值检测就会失败。因为系统给定的阈值不再是最优的，就会出现以下两种零速检测失败的情况：1)阈值设置过高，导致运动模型的输出结果低于阈值，即脚面还在运动时就会被误判为静止状态；2)阈值设置过低，导致运动模型的输出结果高于阈值，即脚面还在静止状态下被误判为运动状态。以上两种错误都会使基于零速的步行导航算法产生较大的积累误差，最终降低定位精度。
技术实现思路
本专利技术提出利用循环神经网络(RNN，RecurrentNeuralNetworks)门控循环单元(GRU，GatedRecurrentUnit)代替现有的基于模型的零速检测器完成行人步态零速检测任务，可以自适应地学习行人行走姿态特征，区分行走时人体不同的运动状态，提高零速状态的检测精度，解决了上述技术问题，最终达到较高的步行导航精度。本专利技术采用的技术方案具体如下：一种基于GRU神经网络的行人步行零速检测方法，所述GRU包括更新门和复位门，所述方法包括以下步骤：实时接收并且记录IMU发出的数据xt；当前状态输入的数据xt与前一时刻的隐藏层输出的数据ht-1经过更新门输出一个0到1之间的数值，计算得到更新门向量ut；数据xt和数据ht-1进入复位门的sigmoid层输出一个0到1之间的数值，计算得到复位门向量rt，同时tanh层创建新的候选记忆值向量将更新门向量ut作为权重向量，候选记忆值向量和前一时刻的隐藏层输出的数据ht-1通过加权平均得到GRU单元的输出向量ht；选取不同的数据xt作为输入向量重复上述步骤，进行GRU训练和验证，得到最优GRU模型，通过最优GRU模型对采集的数据进行行人步行零速检测判断。进一步地，将IMU固定在鞋底，通过手持设备实时接收并且记录IMU发出的数据xt。进一步地，所述IMU为6轴IMU设备。进一步地，所述更新门向量ut计算公式如下：ut＝σ(bu+Uuxt+Wuht-1)其中，ut代表t时刻更新门向量，σ为激活函数，bu表示更新门的偏置向量，Uu表示更新门的输入权重，Wu表示更新门的循环权重，xt表示t时刻的IMU发出的数据，ht-1表示t-1时刻的隐藏层输出的数据。进一步地，所述复位门向量rt计算公式如下：rt＝σ(br+Urxt+Wrht-1)所述候选记忆值向量计算公式如下：其中，rt代表t时刻复位门向量，br表示复位门的偏置向量，Ur表示复位门的输入权重，Wr表示复位门的循环权重，表示t时刻候选记忆值向量，bs表示候选记忆单元的偏置向量，Us表示候选记忆单元的输入权重，Ws表示候选记忆单元的循环权重，tanh表示激活函数。进一步地，所述GRU单元的输出向量ht计算公式如下：其中，ht表示t时刻GRU单元的输出向量。进一步地，选取不同的数据xt作为输入向量，地面零速度标签作为真值重复上述步骤，进行GRU训练和验证。进一步地，选取150组数据进行GRU训练，50组数据进行GRU验证。进一步地，每组数据的步行长度为400米。本专利技术还提供了一种基于GRU神经网络的行人步行零速检测装置，所述装置包括：数据接收单元，用于实时接收并且记录IMU发出的数据xt；更新门向量计算单元，当前状态输入的数据xt与前一时刻的隐藏层输出的数据ht-1经过更新门输出一个0到1之间的数值，用于计算得到更新门向量ut；复位门向量和候选记忆值向量计算单元，数据xt和数据ht-1进入复位门的sigmoid层输出一个0到1之间的数值，用于计算得到复位门向量rt，同时tanh层创建新的候选记忆值向量GRU输出向量计算单元，用于将更新门向量ut作为权重向量，候选记忆值向量和前一时刻的隐藏层输出的数据ht-1通过加权平均得到GRU单元的输出向量ht；行人步行零速检测单元，用于在选取不同的数据xt作为输入向量重复上述步骤，进行GRU训练和验证，得到最优GRU模型后，通过最优GRU模型对采集的数据进行行人步行零速检测判断。本专利技术还提供了一种存储器，所述存储器存储有计算机程序，所述计算机程序执行如下步骤：实时接收并且记录IMU发出的数据xt；当前状态输入的数据xt与前一时刻的隐藏层输出的数据ht-1经过更新门输出一个0到1之间的数值，计算得到更新门向量ut；数据xt和数据ht-1进入复位门的sigmoid层输出一个0到1之间的数值，计算得到复位门向量rt，同时tanh层创建新的候选记忆值向量将更新门向量ut作为权重向量，候选记忆值向量和前一时刻的隐藏层输出的数据ht-1通过加权平均得到GRU单元的输出向量ht；选取不同的数据xt作为输入向量重复上述步骤，进行GRU训练和验证，得到最优GRU模型，通过最优GRU模型对采集的数据进行行人步行零速检测判断。本专利技术将利用地面真值零速度标签和大量的不同步态数据对GRU进行训练，使零速检测器可以准确地判断出行人在不同运动状态下的零速状态，从而提高行人导航系统地定位精度。附图说明图1为基于GRU神经网络的行人步行零速检测算法计算得到的行人轨迹图。图2本文档来自技高网...

【技术保护点】
1.一种基于GRU神经网络的行人步行零速检测方法，其特征在于，所述GRU包括更新门和复位门，所述方法包括以下步骤：/n实时接收并且记录IMU发出的数据x

【技术特征摘要】
1.一种基于GRU神经网络的行人步行零速检测方法，其特征在于，所述GRU包括更新门和复位门，所述方法包括以下步骤：
实时接收并且记录IMU发出的数据xt；
当前状态输入的数据xt与前一时刻的隐藏层输出的数据ht-1经过更新门输出一个0到1之间的数值，计算得到更新门向量ut；
数据xt和数据ht-1进入复位门的sigmoid层输出一个0到1之间的数值，计算得到复位门向量rt，同时tanh层创建新的候选记忆值向量
将更新门向量ut作为权重向量，候选记忆值向量和前一时刻的隐藏层输出的数据ht-1通过加权平均得到GRU单元的输出向量ht；
选取不同的数据xt作为输入向量重复上述步骤，进行GRU训练和验证，得到最优GRU模型，通过最优GRU模型对采集的数据进行行人步行零速检测判断。


2.如权利要求1所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，将IMU固定在鞋底，通过手持设备实时接收并且记录IMU发出的数据xt。


3.如权利要求2所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，所述IMU为6轴IMU设备。


4.如权利要求1所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，所述更新门向量ut计算公式如下：
ut＝σ(bu+Uuxt+Wuht-1)
其中，ut代表t时刻更新门向量，σ为激活函数，bu表示更新门的偏置向量，Uu表示更新门的输入权重，Wu表示更新门的循环权重，xt表示t时刻的IMU发出的数据，ht-1表示t-1时刻的隐藏层输出的数据。


5.如权利要求4所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，所述复位门向量rt计算公式如下：
rt＝σ(br+Urxt+Wrht-1)
所述候选记忆值向量计算公式如下：



其中，rt代表t时刻复位门向量，br表示复位门的偏置向量，Ur表示复位门的输入权重，Wr表示复位门的循环权重，表示t时刻候选记忆值向量，bs表示候选记忆单元的偏置向量，Us表示候选记忆单元的输入权重，Ws表示候选记忆单元的循环权重，tanh表示激活函数。


6.如权利要求5所述的一种基于GRU神经网络的行人步行零速检测方法，其特征在于，所述GRU单元的输出向量ht计算公式如下：


...

【专利技术属性】
技术研发人员：吴鹏，邵刘军，林宏波，罗璐，廉杰，
申请(专利权)人：千寻位置网络有限公司，
类型：发明
国别省市：上海;31