基于神经网络的状态识别方法、神经网络训练方法、装置制造方法及图纸

本发明专利技术公开了基于神经网络的状态识别方法、神经网络训练方法、装置，涉及到雷达探测技术领域。该方法包括：获取用户对应的多个目标点的属性，目标点的属性包括：位置信息、速度信息和信噪比信息；将多个目标点的属性输入到神经网络中进行处理，输出用户对应的状态。通过神经网络将目标点属性拆分为多个属性特征进行并行分析，从而能够准确的确定出用户对应的状态。其可以应用于非接触式的环境中，无需摄像机进行信息采集，具有保护隐私、舒适性好等优点。优点。优点。

【技术实现步骤摘要】
基于神经网络的状态识别方法、神经网络训练方法、装置


[0001]本专利技术涉及雷达探测
，特别是涉及一种基于神经网络的状态识别方法、神经网络训练方法、装置。

技术介绍

[0002]现有技术中对检测目标进行状态识别通常采用下列三种技术：一是基于视频的状态识别技术，二是基于可穿戴传感器的状态识别技术，三是基于RF(RadioFrequency，射频)信号的状态识别技术。
[0003]其中，基于视频的状态识别技术由于用到摄像设备，对于一些敏感环境，如卧室、浴室等环境，会存在隐私泄露的风险；基于可穿戴设备的状态识别技术需要用户主动佩戴相关传感器设备，影响用户使用的舒适度，数据收集的连续性也依赖于用户的配合度，传感器由于佩戴在用户的不同部位，如手腕或脚踝等，获取的数据也主要关注完成某动作时该部位的变化，所以可识别动作较少，准确率也不是很高；基于RF信号的状态识别技术测得距离的分辨率远差于毫米波信号，定位与追踪不如毫米波精细。现有技术虽然已有采用毫米波识别用户的人体状态，但是普遍存在识别用户对应的状态少，且识别精度较低。<br/>
技术实现思路
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的状态识别方法，其特征在于，所述方法包括：获取用户对应的多个目标点的属性，所述目标点的属性包括：位置信息、速度信息和信噪比信息；将所述多个目标点的属性输入到神经网络中进行处理，输出所述用户对应的状态。2.根据权利要求1所述的方法，其特征在于，所述神经网络包括卷积层和全连接层，所述神经网络执行以下处理步骤：将所述多个目标点的属性通过所述卷积层进行卷积处理，得到对应的整体特征信息；将所述整体特征信息输入到所述全连接层进行分类，得到所述用户对应的状态。3.根据权利要求2所述的方法，其特征在于，所述卷积层包括第一卷积层、第二卷积层、第三卷积层；所述将所述多个目标点的属性通过所述卷积层进行卷积处理，得到对应的整体特征信息，包括：所述第一卷积层对所述目标点的属性分别进行卷积处理，确定多个第一特征信息；通过所述第二卷积层对所述第一特征信息进行卷积处理，确定多个第二特征信息；将多个所述第二特征信息进行连接，通过所述第三卷积层进行卷积处理，确定所述用户的整体特征信息。4.根据权利要求3所述的方法，其特征在于，所述通过所述第二卷积层对所述第一特征信息进行卷积处理之前，还包括：对所述第一特征信息进行最大池化处理。5.根据权利要求3所述的方法，其特征在于，所述通过所述全连接层对所述整体特征信息进行分类之前，还包括：对所述整体特征信息进行平均池化处理。6.根据权利要求3所述的方法，其特征在于，所述第二卷积层包括多个子卷积层；所述通过所述第二卷积层对所述第一特征信息进行卷积处理，确定多个第二特征信息，包括：所述子卷积层对所述第一特征信息进行卷积处理，得到中间特征信息；将所述中间特征信息和第一特征信息进行残差操作，确定出多个第二特征信息。7.根据权利要求3所述的方法，其特征在于，所述方法还包括：执行卷积处理操作后，对卷积处理得到的特征信息进行归一化处理。8.根据权利要求3所述的方法，其特征在于，所述方法还包括：执行卷积处理操作后，通过预设的激活函数对卷积处理得到的特征信息进行激活操作。9.一种神经网络的训练方法，其特征在于，所述方法包括：获取目标状态对应的历史目标点属性；所述目标点的属性包括：位置信息、速度信息和信噪比信息；将所述历史目标点属性输入至神经网络进行处理，输出对应的状态；依据...

【专利技术属性】
技术研发人员：贾槐真，张小东，徐翘楚，蒋小颖，李芝，
申请(专利权)人：北京米厘科技有限公司，
类型：发明
国别省市：