多跨域场景下基于活动图加权的人体行为识别方法

摘要

本发明公开了一种多跨域场景下基于活动图加权的人体行为识别方法。本发明包括人体生理信号预处理、信号活动图转换、模型预训练、样本加权、训练模型和运动状态识别六部分；对预处理后的信号样本提取每一维度重新排列组合，应用二维离散傅里叶变化转换为活动图形式；接着基于同一类别数据会映射到子空间相近位置这一假设，应用源域数据和三元组损失预训练模型，提升模型泛化能力；利用域判别器的概率预测分别对源域和目标域的样本加权；计算源域加权交叉熵损失和目标域加权信息熵损失，用整体预测概率的熵作为正则项，达到跨域知识迁移的目的；最后，目标域数据输入模型，其输出经过softmax函数对人体活动进行分类。