一种神经网络动作识别数据处理方法

本发明提供一种神经网络动作识别数据处理方法，解决了传统动作识别系统中特征提取依赖人工设计、模型训练效率低、跨平台部署困难等问题。该方法通过构建端到端的深度学习模型，实现从原始传感器数据到手势类别或句子的直接映射，同时利用TensorFlow的跨平台特性支持多设备部署，为可穿戴动作识别设备提供高效、稳定的处理方案。具体包括数据预处理模块、1D CNN模型构建模块、模型训练模块和模型部署模块。数据预处理模块支持从多种格式加载开源摩擦电传感器动作数据集，实现信号标准化、数据增强和序列分割。1D CNN模型构建模块采用多层1D卷积结构，并引入时序注意力机制和多尺度特征融合，提高识别精度。模型训练模块使用Adam优化器和学习率衰减策略，实现早停与检查点保存。模型部署模块支持模型导出、模型压缩和跨平台部署。实验结果表明，本发明提出的1D CNN模型在测试集上的识别准确率达到91.3%，优于传统方法，并在连续动作句子识别任务中表现出良好的性能。