【技术实现步骤摘要】
本专利技术涉及人体动作识别，尤其涉及一种基于rfid的人体动作分类方法、装置、设备及介质。
技术介绍
1、人体动作识别分类技术在人机交互、运动学研究、医学诊断和动作分析等领域中的重要性和关键程度逐渐提高，满足了智慧城市建设及游戏、虚拟现实等智能环境交互的无缝衔接，不断推动着科技持续发展。同时各领域对人体动作识别分类的要求也不断提升，在姿势跟踪时对于隐私保护方面要求尤为迫切。在人体上放置感应识别标签，可实现非侵入式动作识别，无需直接接触或依赖视觉传感器，提高用户的自由度和舒适度。
2、通过将rfid标签放置于人体关节处等对于动作识别较为关键的部位，可以采集人体骨骼动作信息实现非侵入式动作识别，不仅能克服传统视觉技术在安全和隐私方面的局限，还能提供更精准、可靠的识别结果。在基于rfid进行人体动作识别时，rfid数据通常被视为具有规则结构的欧几里得数据，而忽略了人体动作的固有拓扑特性，导致人体动作的内在特征难以充分展现，且自适应性较差，对人体动作的识别不够准确。
技术实现思路
1、...
【技术保护点】
1.一种基于RFID的人体动作分类方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述S103还包括：
3.根据权利要求1所述的方法，其特征在于，所述S102包括：
4.根据权利要求1所述的方法，其特征在于，所述S101包括：
5.根据权利要求1所述的方法，其特征在于：所述训练好的图卷积网络在训练时采用基于元学习的模型无关元学习MAML训练策略进行训练。
6.根据权利要求1所述的方法，其特征在于：所述训练好的图卷积网络包括：批量归一化层、多个图卷积层、平均池化层和激活函数层。
...
【技术特征摘要】
1.一种基于rfid的人体动作分类方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述s103还包括：
3.根据权利要求1所述的方法，其特征在于，所述s102包括：
4.根据权利要求1所述的方法，其特征在于，所述s101包括：
5.根据权利要求1所述的方法，其特征在于：所述训练好的图卷积网络在训练时采用基于元学习的模型无关元学习maml训练策略进行训练。
6.根据权利要求1所述的方法，其特征在于：所述训练...
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。