一种应用于人体活动识别的增量学习方法及系统

本发明属于人工智能与时序数据处理领域，具体涉及一种应用于人体活动识别的增量学习方法及系统。该方法包括：根据人体活动新类别的类别样本，提取新类别样本特征；分别提取每个旧类别样本特征；根据每个旧类别的所有旧类别样本特征，分别计算每个类别的原型锚点并选择每个类别中与原型锚点相似度最高的旧类别样本作为锚点样本；对锚点样本进行时序增强得到增强样本，以同一类别的锚点样本和增强样本为正样本对，以不同类别之间的锚点样本和增强样本为负样本对；利用动态损失函数训练识别模型，其中自适应加权损失项包含由新类别样本特征分别和每个旧类别样本特征的距离计算的自适应权重；对比损失项为将正样本对拉近并将负样本对推开的损失项。