一种煤矿井下人体姿态监测方法 .pdfVIP

(19)中华人民共和国国家知识产权局

(12)发明专利说明书

(10)申请公布号CN110163347A

(43)申请公布日2019.08.23

(21)申请号CN201910439460.7

(22)申请日2019.05.24

(71)申请人刘斌

地址750001宁夏回族自治区银川市兴庆区凤凰北街城市一号4-1-1002室

(72)发明人刘斌杨成龙胡全宏潘子恒

(74)专利代理机构

代理人

(51)Int.CI

权利要求说明书说明书幅图

(54)发明名称

一种煤矿井下人体姿态监测方法

(57)摘要

本发明提供一种有利于监测煤矿井

下人员姿态的监测方法，通过判断人体姿

态变化，预测预警当前穿戴人员可能存在

的一些危险操作或危险状态，进而尽可能

的避免井下人员工作危险情况的发生。本

发明能监测包括站立、行进、躺卧、蹲

起、弯腰等姿态运动状态，通过判断人体

姿态变化，预测预警当前穿戴人员可能存

在的一些危险操作或危险状态，进而尽可

能的避免井下人员工作危险情况的发生。

全套系统均采用嵌入式可穿戴设计，通过

小型锂电池供电，体积和重量均满足可穿

戴设备的要求，与矿井工作服相结合，不

需要井下人员额外携带设备。在井下WiFi

覆盖区域能实时监测人员信息并反馈井上

监控中心，在无WiFi区域还能自主工作并

提醒井下人员远离危险区域。本发明设计

一种改进的神经网络算法模型来估计人体

姿态，采用长短记忆神经网络解决了循环

神经网络模型解决序列问题存在的问题，

采用稀疏自编码器通过降维来解决输入数

据维数较大的问题。

法律状态

法律状态公告日法律状态信息法律状态

发明专利申请公布后的视为撤回

IPC(主分类):G06N3/04专利申发明专利申请公布后

2023-07-14

请号:2019104394607申请公布的视为撤回

日

权利要求说明书

1.一种煤矿井下人体姿态监测方法,其特征在于,包括算法结构设计、算法识别训练

和可穿戴系统软件设计,其特征在于,包括以下步骤:

(1)算法模型共分为两个阶段,第一部分是SAE结构,第二部分是LSTM结构;SAE结

构由2层组成,分别是1层输入层和1层隐藏层,该部分的输入为传感器原始数据,为

N维的向量,通过SAE提取出N维向量的典型特征,从而降低数据维度,降低后的维

度为N’;

(2)输入层节点与输出层节点相同的神经网络的自编码器模型为:

即要求自编码器网络的输入与输出的误差尽可能小;自编码器可以通过提取到的数

据特征来还原输入数据,所以说自编码器提取到的数据特征是能够描述原始输入数

据的等效数据集,当自编码器的输出特征维度小于原始输入数据时,可以与主成分分

析算法类似,达到降维的目的;

(3)根据自编码器模型,除去偏置节点后,输出节点与输入节点相同;每个节点的激活函

数是Sigmoid函数,可以用反向传播算法对自编码器进行训练,训练后得到的结果是

LayerL2层的内容;自编码器由编码器(Encoder)和解码器(Decoder)组成,从输入层到

隐藏层的过程是编码过程,从隐藏层到输出层的过程是解码过程;如果隐藏层节点比

输入节点的维数小,自编码器可以认为是降维算法;如果隐藏层节点与输入节点的维

数相同,可以得到一个与输入数据等效的表示方法;如果隐藏层节点比输入节点的维

数大,则会得到输入数据的稀疏表示;如果隐藏层的维度大于输入节点,可能导致隐藏

层只是将输入层节点原模原样传递到输出层,而没有任何特征运算,故而需要进行稀

疏性处理;

(4)稀疏性限制可以让隐藏层的节点大多处于非激活状态,