专利交易市场

本发明公开了一种基于两阶段特征对齐的开放集人体活动识别方法，首先提取源域和目标域传感器数据的全局特征，进行全局特征对齐，然后将源域全局特征和目标域全局特征划分为源域实例特征和目标域实例特征，使用源域实例特征预训练类别划分模块，然后将目标域实例特征输入类别划分模块，判别目标域实例特征是公共类实例特征或私有类实例特征，再进行公共类别的实例特征对齐。对于目标域私有类实例特征，进行私有类约束。本发明还使用离散时序自注意力模块，通过自注意力机制挖掘实例特征中关键的时序信息，通过局部特征融合和加权，提取具有更强可迁移性的时序特征，提升了开放集活动识别的准确性和鲁棒性。

本发明公开了一种基于双重对抗网络的跨环境人体活动识别方法，属于人体活动识别技术领域。包括：S1、去噪处理；S2、当目标域活动分布距离较远时，结合自注意力机制和生成对抗网络生成虚拟样本；S3、在分类器中输入相应源域特征计算交叉熵损失；S4、将另一源域中特征输入当前源域的分类器进行交叉对抗训练；S5、在分类器交叉对抗训练中结合域对抗训练，在训练的同一批次中计算对抗损失；S6、利用自预测学习技术生成伪标签；S7、计算自预测损失；S8、最小化最终的损失；S9、对于准确率达不到预设标准的目标域，通过少量标记样本微调模型。本发明通过结合源域之间的交叉对抗训练以及源域和目标域之间的域对抗训练，有效提高模型对不同域的泛化能力。