基于生成对抗网络的多使用模式下行为识别方法及终端技术

本发明专利技术公开了基于生成对抗网络的多使用模式下行为识别方法及终端，方法包括：采集多使用模式下的行为数据，得到源域数据集和目标域数据集，并将得到的源域数据集和目标域数据集作为GAN模型的输入；通过GAN模型提取目标域与源域之间跨域共享的域不变表示，并根据所述源域数据集的标记序列在所述目标域生成合成序列；根据目标域生成合成序列进行迁移学习，并根据学习好的域不变表示预测多使用模式下的行为标签。本发明专利技术解决了现有行为识别技术需要采集较多新环境中的传感器数据才能计算出准确的变换矩阵的问题，减少了数据采集的工作量，加快数据处理速度。加快数据处理速度。加快数据处理速度。

【技术实现步骤摘要】
基于生成对抗网络的多使用模式下行为识别方法及终端


[0001]本专利技术涉及室内定位
，尤其涉及的是基于生成对抗网络的多使用模式下行为识别方法、终端及存储介质。

技术介绍

[0002]近年来，室内定位成为位置服务领域的一大研究热点。基于智能手机实现室内定位无需用户携带额外设备，有利于室内定位技术的推广和普及。在室内环境中，人的活动包含丰富的语义信息，如果用户的活动被识别为乘坐电梯，则可以推断用户的位置到电梯，这些活动可作为室内定位和测绘的地标。
[0003]近几年，深度学习的概念引起了相当大的关注。基于深度学习的应用有很多，如图像处理、智能交通系统、室内定位等。许多研究证实，深度学习模型具有更好的特征表示能力，因此可以更有效地处理复杂性分类任务。这是因为深度学习方法将特征提取和分类与神经网络融合在一起，可以自动学习适当的特征。因此，基于深度学习的行为识别方法有很大的应用前景。
[0004]传统的行为识别方法主要基于穿戴式传感器实现，传感器的姿态受用户使用模式的影响较小，而对基于智能终端实现用户行为识别方法，最大的挑战是解决本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的多使用模式下行为识别方法，其特征在于，包括：采集多使用模式下的行为数据，得到源域数据集和目标域数据集，并将得到的源域数据集和目标域数据集作为GAN模型的输入；通过GAN模型提取目标域与源域之间跨域共享的域不变表示，并根据所述源域数据集的标记序列在所述目标域生成合成序列；根据所述目标域生成合成序列进行迁移学习，并根据学习好的域不变表示预测多使用模式下的行为标签。2.根据权利要求1所述的基于生成对抗网络的多使用模式下行为识别方法，其特征在于，所述采集多使用模式下的行为数据，得到源域数据集和目标域数据集，包括：采集手持模式下的行为数据，将所述手持模式下的行为数据作为源域数据集，并对所述源域数据集中对应的行为进行打标签处理；采集其他使用模式的行为数据，将所述其他使用模式的行为数据作为目标域数据。3.根据权利要求1所述的基于生成对抗网络的多使用模式下行为识别方法，其特征在于，所述GAN模型包括：RNN序列编码器、GAN生成器、RNN重构解码器以及所有域共享的行为预测器。4.根据权利要求3所述的基于生成对抗网络的多使用模式下行为识别方法，其特征在于，所述通过GAN模型提取目标域与源域之间跨域共享的域不变表示，包括：通过所述RNN序列编码器和特定的域向量提取所述目标域与所述源域之间跨域共享的域不变表示：分析不同使用模式下，根据不同行为产生传感器信号所提取的共有特征信息，在所述源域与所述目标域中使用不同的域向量区分每个域特定的特征，利用预设函数参数在所述源域与所述目标域之间进行共享。5.根据权利要求3所述的基于生成对抗网络的多使用模式下行为识别方法，其特征在于，所述根据源域数据集的标记序列在所述目标域生成合成序列，包括：根据所述GAN生成器与所述RNN序列编码器，结合得到序列转换模型；根据所述序列转换模型及所述源域数据集的标记序列在所述目标域生成合成序列。6.根据权利要求5所述的基于生成对...

【专利技术属性】
技术研发人员：周宝定，吴禧鹏，张星，李清泉，
申请(专利权)人：深圳大学，
类型：发明
国别省市：