一种基于改进的LSTM模型在人体行为识别上的应用方法技术

本发明专利技术公开了一种基于改进的LSTM模型在人体行为识别上的应用方法，包括以下步骤：S1：确定网络隐藏层数及其内部神经元数量；S2：若加深网络层数，则在隐藏层间加入Dropout正则项；S3：改变LSTM单元的内置激活函数，将原来的Tanh函数替换为Softsign函数；S4：改变LSTM内部网络，加入正向与反向LSTM单元形成双向LSTM(Bi‑LSTM)单元；S5：记录改进前后的网络训练时间。本发明专利技术，由于加深网络层数，引入Dropout以缓解训练集与测试集之间的过拟合情况；Softsign激活函数替换原LSTM默认函数Tanh，一定程度上提高网络精度，降低损失；引入Bi‑LSTM，在CPU上的训练时间从23分钟减小至8分钟，有效缩短网络训练时间。

【技术实现步骤摘要】
一种基于改进的LSTM模型在人体行为识别上的应用方法
本专利技术涉及神经网络相关
，具体是一种基于改进的LSTM模型在人体行为识别上的应用方法。
技术介绍
人体行为识别是目前计算机视觉领域的一个研究热点，在人机交互、安全防范、多媒体视频理解以及智能家居等方面有着广泛的应用。人体行为识别主要是从视频或传感器采集的数据中判别人体的行为动作并分类。21世纪以来，神经网络技术的发展愈加成熟，其强大的学习能力使得人类的生活生产方式变得更加智能，这也引发了深度学习与神经网络的研究热潮。常用的基于神经网络的人体行为识别模型包括：基于卷积神经网络(ConvolutionalNeuralNetwork)的行为特征提取，基于长短期记忆网络(LSTM)的行为识别与分类，基于CNN-LSTM的人体行为识别以及CNN-LSTM思想的进一步扩展——ConvLSTM模型。在实际的神经网络识别人体行为的应用中，给定一个网络模型，需要根据数据集的大小调整内部结构与参数。调试神经网络也是一项很艰巨的任务。例如，当所用数据集较大达到几G甚至10几G时，我们需要设定较为本文档来自技高网...

【技术保护点】
1.一种基于改进的LSTM模型在人体行为识别上的应用方法，其特征在于：包括以下步骤：/nS1：确定网络隐藏层数及其内部神经元数量；/nS2：若加深网络层数，则在隐藏层间加入Dropout正则项；/nS3：改变LSTM单元的内置激活函数，将原来的Tanh函数替换为Softsign函数；/nS4：改变LSTM内部网络，加入正向与反向LSTM单元形成双向LSTM(Bi-LSTM)单元；/nS5：记录改进前后的网络训练时间。/n

【技术特征摘要】
1.一种基于改进的LSTM模型在人体行为识别上的应用方法，其特征在于：包括以下步骤：
S1：确定网络隐藏层数及其内部神经元数量；
S2：若加深网络层数，则在隐藏层间加入Dropout正则项；
S3：改变LSTM单元的内置激活函数，将原来的Tanh函数替换为Softsign函数；
S4：改变LSTM内部网络，加入正向与反向LSTM单元形成双向LSTM(Bi-LSTM)单元；
S5：记录改进前后的网络训练时间。


2.根据权利要求1所述的一种基于改进的LSTM模型在人体行为识别上的应用方法，其特征在于：所述LSTM网络采用的数据集为UCIHAR。


3.根据权利要求1所述的一种基于改进的LSTM模型在人体行为识别上的应用方法，其特征在于：所述人体行为包括行走、上楼、下楼、坐、立、躺。

<...

【专利技术属性】
技术研发人员：卢新彪，徐嘉雯，
申请(专利权)人：江苏新安电器股份有限公司，
类型：发明
国别省市：江苏;32