申请/专利权人：浙江工业大学

申请日：2024-03-29

公开（公告）日：2024-06-14

公开（公告）号：CN118194161A

主分类号：G06F18/2415

分类号：G06F18/2415;G06N3/0455;G06N3/0442;G06N3/0464;G06N3/049;G06N3/08;G06F18/213

优先权：

专利状态码：在审-公开

法律状态：2024.06.14#公开

摘要：本发明属于面向传感器数据的群体活动识别技术领域，公开了一种基于频率Transformer编码器的群体活动识别方法，通过群体活动特征提取网络对群体进行群体时空特征提取与群体位置交互特征提取，并进行特征融合得到群体活动特征；构建包含频率注意力模块的频率Transformer编码器对群体活动特征进行处理，得到群体时频动态特征；使用分类模块根据群体时频动态特征预测群体活动的类别，使用重建模块根据群体时频动态特征重建数据，将预测的群体活动的类别和重建数据通过一个全连接层得到群体活动识别结果。本发明在各种群体规模下保持较为稳定的识别准确性，提高群体活动识别的鲁棒性和稳定性。

主权项：1.一种基于频率Transformer编码器的群体活动识别方法，其特征在于，所述基于频率Transformer编码器的群体活动识别方法，包括：步骤1、通过群体活动特征提取网络对群体进行群体时空特征提取与群体位置交互特征提取，将提取得到的群体时空特征与群体位置交互特征进行特征融合得到群体活动特征；步骤2、构建包含频率注意力模块的频率Transformer编码器对所述群体活动特征进行处理，得到群体时频动态特征；步骤3、使用分类模块根据所述群体时频动态特征预测群体活动的类别，使用重建模块根据所述群体时频动态特征重建数据，将预测的群体活动的类别和所述重建数据通过一个全连接层得到群体活动识别结果；其中，所述频率Transformer编码器包括若干个依次堆叠的特征提取层，每一特征提取层包含依次连接的频率注意力模块、多头注意力模块和前馈神经网络，每一特征提取层由频率注意力模块输出频率谱分量、由多头注意力模块输出序列关联分量、由前馈神经网络输出特征增强分量，所有特征提取层输出的频率谱分量进行特征拼接后，经过一维卷积和前馈神经网络输出总频率谱分量，所有多头注意力模块输出的序列关联分量进行特征拼接后，经过一维卷积和前馈神经网络输出总序列关联分量，融合总频率谱分量、总序列关联分量以及最后一个特征提取层输出的特征增强分量得到群体时频动态特征。

全文数据：

权利要求：

百度查询： 浙江工业大学 基于频率Transformer编码器的群体活动识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD