一种基于RFID和改进CNN-LSTM的人体动作识别方法技术

本发明专利技术公开一种基于RFID和改进CNN‑LSTM的人体动作识别方法，包括以下步骤：搭建RFID系统，包括RFID读写器一体机和六个标签，构成了六个信道供射频信号传输；采集动作周期内的RSSI数据；对采集到的RSSI数据进行去噪及归一化处理；构建网络模型，对RSSI数据进行分类，实现人体动作识别。本发明专利技术的技术方案通过搭建RFID系统，采集附着在人体上的无源RFID标签的接收信号强度指示（RSSI）数据，动作会在不同时间点上产生不同的信号强度变化，通过分析这些变化，可以构建一个与特定动作相关联的信号模式，通过引入多尺度卷积和ECA注意力机制对传统CNN‑LSTM模型进行改进，挖掘与关联特定动作的信号模式，即提取不同动作对应的信号特征，实现人体动作识别。

【技术实现步骤摘要】

本专利技术涉及人体动作识，尤其涉及一种基于rfid和改进cnn-lstm的人体动作识别方法。

技术介绍

1、随着物联网和智能设备的快速发展，人体动作识别技术得到了广泛的研究和应用。人体动作识别对于智能家居控制、个人健康监控、老年人安全、智能交互游戏以及工业安全等领域都具有重要意义。近年来，无线射频识别（rfid）技术因其低成本、无需直接视线、可穿透非金属物体等优点，在人体动作识别领域中显现出巨大的潜力。

2、现有的rfid人体动作识别方法主要基于接收信号强度指示（rssi）值的变化来识别和追踪人体动作。然而，rssi信号受环境噪声、多径效应和设备不确定性的影响较大，导致识别系统的准确率和鲁棒性受限。此外，传统的模式识别技术在处理rssi信号时，往往需要复杂的特征工程和先验知识，增加了系统实现的复杂性。

3、深度学习技术的兴起为rfid信号处理和特征提取提供了新的解决方案。尽管深度学习在图像和语音识别领域取得了显著成就，但其在rfid人体动作识别中的应用仍存在一定的技术挑战。在现有的人体动作识别技术中，基于卷积神经网络（cnn）和长短本文档来自技高网...

【技术保护点】

1.一种基于RFID和改进CNN-LSTM的人体动作识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于RFID和改进CNN-LSTM的人体动作识别方法，其特征在于，所述对采集到的RSSI数据进行去噪及归一化处理的步骤中，

3.根据权利要求1所述的基于RFID和改进CNN-LSTM的人体动作识别方法，其特征在于，所述采集动作周期内的RSSI数据的步骤中，

4.根据权利要求1所述的基于RFID和改进CNN-LSTM的人体动作识别方法，其特征在于，所述对采集到的RSSI数据进行去噪及归一化处理的步骤中，

【技术特征摘要】

1.一种基于rfid和改进cnn-lstm的人体动作识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于rfid和改进cnn-lstm的人体动作识别方法，其特征在于，所述对采集到的rssi数据进行去噪及归一化处理的步骤中，

3.根据权利要求...

【专利技术属性】
技术研发人员：杨絮，罗文超，安晓峰，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：