【技术实现步骤摘要】
本专利技术涉及行为/步态识别，具体涉及到一种基于感知损失的卷积时序自编码器的异常步态识别方法及系统。
技术介绍
1、步行是人类关键的运动能力之一，也是人类区别于其它动物的关键特征。人类如果产生了异常的步态可能是各种疾病前的征兆，准确识别异常步态有助于相关疾病的早期诊断、治疗进展和康复评估，提高患者的生活质量。通常雷达人体行为数据集规模较小，神经网络在监督训练之前通常被随机初始化或者迁移学习其它大型自然图像数据集预训练的参数，随机初始化和迁移其他自然图像数据集的预训练参数，在训练期间都会导致梯度下降过程中陷入局部最优的情况。
2、自动编码器通过对输入进行编码和解码实现无监督预训练。直接利用雷达微多普勒谱图数据集不依赖标签进行学习的无监督预训练，可以解决上述因为随机初始化和迁移学习导致梯度下降过程中陷入局部最优的情况。但大多数自编码器网络仅利用了微多普勒谱图的空间特征或时序特征，未同时利用微多普勒谱图的时空特征；在网络优化过程中使用均方误差来量化输出和输入之间的差异，均方误差会忽略不同元素之间的关系，不利于网络对微多普勒谱图关键
本文档来自技高网...【技术保护点】
1.一种基于感知损失卷积时序自编码器的异常步态识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于感知损失卷积时序自编码器的异常步态识别方法，其特征在于，所述采集步态雷达数据，并进行预处理得到微多普勒谱图数据集，包括：
3.根据权利要求1所述的一种基于感知损失卷积时序自编码器的异常步态识别方法，其特征在于，所述将微多普勒谱图数据集中的训练集输入到异常步态识别网络PLCTAE中，通过感知损失进行训练优化得到预训练权重，包括：
4.根据权利要求3所述的一种基于感知损失卷积时序自编码器的异常步态识别方法，其特征在于，所述感知损失
【技术特征摘要】
1.一种基于感知损失卷积时序自编码器的异常步态识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于感知损失卷积时序自编码器的异常步态识别方法，其特征在于，所述采集步态雷达数据，并进行预处理得到微多普勒谱图数据集，包括：
3.根据权利要求1所述的一种基于感知损失卷积时序自编码器的异常步态识别方法，其特征在于，所述将微多普勒谱图数据集中的训练集输入到异常步态识别网络plctae中，通过感知损失进行训练优化得到预训练权重，包括：
4.根据权利要求3所述的一种基于感知损失卷积时序自编码器的异常步态识别方法，其特征在于，所述感知损失l包括：
5.根据权利要求3所述的一种基于感知损失卷积时序自编码器的异常步态识别方法，其特征在于，所述基于预训练权重对异常步态识别网络plctae进行训练，得到训练后的异常步态识别网络plctae，包...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。