一种基于云端的智能核桃运动模式识别方法及系统技术方案

本发明专利技术涉及一种基于云端的智能核桃运动模式识别方法及系统，所述方法包括以下步骤：S601、利用智能核桃内部传感器实时采集用户运动数据；S602、对构建的时间序列进行平滑预处理，将处理后的时间序列按照一定的区间进行运动趋势提取；S603、对三个坐标轴方向分别计算加速度和角加速度，进行智能核桃运动趋势相关性分析；S604、以步骤S603计算的智能核桃运动趋势相关性结果构造三个坐标轴方向维度的相关系数特征；S605、利用步骤S604构造的三个坐标轴方向维度的相关系数特征训练动作识别模型；S606、对新采集用户运动数据进行智能核桃动作识别，将识别结果反馈至用户。有益效果是对智能核桃用户运动时间和状态进行有效评估、提醒用户有规律运动。提醒用户有规律运动。提醒用户有规律运动。

【技术实现步骤摘要】
一种基于云端的智能核桃运动模式识别方法及系统


[0001]本专利技术涉及智能穿戴设备运动识别
，具体涉及一种基于云端的智能核桃运动模式识别方法及系统。

技术介绍

[0002]随着社会发展，我国人口老龄化情况日趋严重。随着人年龄的增加，其身体素质逐年下降，容易引发各种疾病，影响他们的日常生活。而在这些疾病中老年痴呆是十分常见的一种疾病。且随着年龄增大这种疾病发病的概率越高。现代医学研究表明，运动可以增强心血管功能，加强大脑的认知能力，延缓老年痴呆症的进展。考虑到老年人不宜做剧烈运动，轻巧灵活的运动更容易受老年人欢迎。研究人员提出手转核桃可以有效刺激手部穴位，帮助患者锻炼偏瘫侧的手臂神经和双臂的协调性，提高其手部功能和上肢功能的恢复效果。然而，目前市场上的文玩核桃功能单一，且无法定量计算使用者有效时间。并且随着年龄增长，老年人记忆衰退，不能有规律运动。
[0003]每次FFT变换只能对有限长度的时域数据进行变换，因此，需要对时域信号进行信号截断；即使是周期信号，如果截断的时间长度不是周期的整数倍。那，截取后的信号将会存在泄漏；为了将这个泄漏误差减少到最小程度需要使用加权函数，也叫窗函数，加窗主要是为了使时域信号似乎更好地满足FFT处理的周期性要求，减少泄漏。LOESS(locally weighted regression)是一种用于局部回归分析的非参数方法，它主要是把样本划分成一个个小区间，对区间中的样本进行多项式拟合，不断重复这个过程得到在不同区间的加权回归曲线，最后再把这些回归曲线的中心连在一起合成完整的回归曲线。蓝牙低能耗(Bluetooth Low Energy，或称Bluetooth LE、BLE，旧商标Bluetooth Smart)也称低功耗蓝牙，是蓝牙技术联盟设计和销售的一种个人局域网技术，旨在用于医疗保健、运动健身、信标、安防、家庭娱乐等领域的新兴应用，相较经典蓝牙，低功耗蓝牙旨在保持同等通信范围的同时显著降低功耗和成本。MQTT(Message Queuing TelemetryTransport，消息队列遥测传输)是IBM开发的一个即时通讯协议，有可能成为物联网的重要组成部分，该协议支持所有平台，几乎可以把所有联网物品和外部连接起来，被用来当做传感器和致动器(比如通过Twitter让房屋联网)的通信协议。
[0004]本专利技术利用基于云端的信息采集处理技术，克服现有文玩核桃作为保健产品的不足，提出了一种智能核桃信息处理方法及系统。

技术实现思路

[0005]本专利技术的目的是，提供一种对智能核桃用户运动时间和状态进行有效评估、提醒用户有规律运动的运动模式识别方法。
[0006]为实现上述目的，本专利技术采取的技术方案是一种基于云端的智能核桃运动模式识别方法，包括以下步骤：
[0007]S601、利用智能核桃内部传感器实时采集用户运动数据，采集数据包括智能核桃
三个坐标轴方向水平加速度和角加速度，从而构成六个维度的智能核桃运动数据；
[0008]S602、按照固定的时间频率，将六个维度的传感器数据分别转化为时间序列，对构建的时间序列进行平滑预处理，将处理后的时间序列按照一定的区间进行运动趋势提取；
[0009]S603、对三个坐标轴方向分别计算加速度和角加速度，进行智能核桃运动趋势相关性分析；
[0010]S604、以步骤S603计算的智能核桃运动趋势相关性结果构造三个坐标轴方向维度的相关系数特征；
[0011]S605、利用步骤S604构造的三个坐标轴方向维度的相关系数特征训练动作识别模型；
[0012]S606、利用训练好的动作识别模型对新采集用户运动数据进行智能核桃动作识别，将识别结果反馈至用户。
[0013]优选地，上述的一种基于云端的智能核桃运动模式识别方法，用户利用所述智能核桃内部加速度计和陀螺仪采集智能核桃三个坐标轴方向水平加速度数据和角加速度数据；上述智能核桃动作分为旋转状态模式和行走状态模式；上述旋转状态模式是指用户处于原地旋转智能核桃以及用户处于行走状态同时旋转智能核桃；上述行走状态模式是指用户处于行走状态，但是智能核桃在手中并未转动。
[0014]优选地，上述的一种基于云端的智能核桃运动模式识别方法步骤S606智能核桃动作识别具体包括以下步骤：
[0015]S801、对加速计和陀螺仪采集的加速度数据和角加速度数据进行三个坐标轴方向时间序列建模；
[0016]S802、以窗函数均值平滑对步骤S801构建的时间序列进行平滑，窗的宽度由运动状态识别频率决定；
[0017]S803、对步骤S802获取的平滑后时间序列基于LOESS算法进行分解，将各个坐标轴方向时间序列分解成趋势分量、周期分量和余项；
[0018]S804、计算同一坐标轴方向的加速度数据和角加速度数据，采用局部相关系数衡量某个时刻沿这个坐标轴方向的运动一致性；
[0019]S805、将步骤S804所计算的相关系数时间序列构建基于不同坐标轴方向的运动趋势三维相关特征序列；
[0020]S806、以步骤S805中三维相关特征序列为数据集构建分类器，分类器根据三维相关特征所表征的运动趋势相关性高低进行运动模式识别，当三维运动趋势强相关，则表示智能核桃处于旋转状态，当三维运动趋势弱相关，则表示智能核桃处于行走状态。
[0021]优选地，上述的一种基于云端的智能核桃运动模式识别方法，步骤S801以加速度计数据D表示三轴加速度，则加速度计时间序列用集合{D
m
[T
t
])表示，其中m∈{x，y，z}，i∈{1，2，...，N}，x，y，z分别表示沿着X轴、Y轴、Z轴三个方向，N表示时间序列长度；以陀螺仪数据G表示三轴角加速度，则角加速度时间序列用集合{G
m
[T
i
]}表示，其中m∈{x，y，z}，i∈{1，2，...，N}，x，y，z分别表示沿着X轴、Y轴、Z轴三个方向，N表示时间序列长度；步骤S804中X、Y、Z的坐标方向加速度和角加速度之间的局部相关系数H
m
[T
i
]＝corr(d
m
[T
i
]，g
m
[T
i
])，其中m∈{x，y，z}，i∈{1，2，...，N}，corr为皮尔逊相关系数函数，N表示局部时间窗口，每个时间点T
i
均可计算相关系数，得到各个轴方向相关系数时间序列；步骤S805利用相关系数时间
序列构建三维相关特征序列，表示为其中i∈{1，2，...，L}，L为时间序列长度；步骤S806以步骤S805中H
m
为数据集构建分类器。
[0022]优选地，上述步骤S806构建分类器进行智能核桃运动模式识别包括分类器模型训练过程，以及基于训练好的分类器对加速计和陀螺仪采集的加速度数据和角加速度数据进行实时识别过程。
[0023]优选地，上述的一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云端的智能核桃运动模式识别方法，其特征在于包括以下步骤：S601、利用智能核桃内部传感器实时采集用户运动数据，采集数据包括智能核桃三个坐标轴方向水平加速度和角加速度，从而构成六个维度的智能核桃运动数据；S602、按照固定的时间频率，将六个维度的传感器数据分别转化为时间序列，对构建的时间序列进行平滑预处理，将处理后的时间序列按照一定的区间进行运动趋势提取；S603、对三个坐标轴方向分别计算加速度和角加速度，进行智能核桃运动趋势相关性分析；S604、以步骤S603计算的智能核桃运动趋势相关性结果构造三个坐标轴方向维度的相关系数特征；S605、利用步骤S604构造的三个坐标轴方向维度的相关系数特征训练动作识别模型；S606、利用训练好的动作识别模型对新采集用户运动数据进行智能核桃动作识别，将识别结果反馈至用户。2.根据权利要求1所述的一种基于云端的智能核桃运动模式识别方法，其特征在于：用户利用所述智能核桃内部加速度计和陀螺仪采集智能核桃三个坐标轴方向水平加速度数据和角加速度数据；所述智能核桃动作分为旋转状态模式和行走状态模式；所述旋转状态模式是指用户处于原地旋转智能核桃以及用户处于行走状态同时旋转智能核桃；所述行走状态模式是指用户处于行走状态，但是智能核桃在手中并未转动。3.根据权利要求2所述的一种基于云端的智能核桃运动模式识别方法，其特征在于步骤S606智能核桃动作识别具体包括以下步骤：S801、对加速计和陀螺仪采集的加速度数据和角加速度数据进行三个坐标轴方向时间序列建模；S802、以窗函数均值平滑对步骤S801构建的时间序列进行平滑，窗的宽度由运动状态识别频率决定；S803、对步骤S802获取的平滑后时间序列基于LOESS算法进行分解，将各个坐标轴方向时间序列分解成趋势分量、周期分量和余项；S804、计算同一坐标轴方向的加速度数据和角加速度数据，采用局部相关系数衡量某个时刻沿这个坐标轴方向的运动一致性；S805、将步骤S804所计算的相关系数时间序列构建基于不同坐标轴方向的运动趋势三维相关特征序列；S806、以步骤S805中三维相关特征序列为数据集构建分类器，分类器根据三维相关特征所表征的运动趋势相关性高低进行运动模式识别，当三维运动趋势强相关，则表示智能核桃处于旋转状态，当三维运动趋势弱相关，则表示智能核桃处于行走状态。4.根据权利要求3所述的一种基于云端的智能核桃运动模式识别方法，其特征在于：步骤S801以加速度计数据D表示三轴加速度，则加速度计时间序列用集合{D
m
[T
t
]}表示，其中m∈{x，y，z}，i∈{1，2，...，N}，x，y，z分别表示沿着X轴、Y轴、Z轴三个方向，N表示时间序列长度；以陀螺仪数据G表示三轴角加速度，则角加速度时间序列用集合{G
m
[T
t
]}表示，其中m∈{x，y，z}，i∈{1，2，...，N}，x，y，z分别表示沿着X轴、Y轴、Z轴三个方向，N...

【专利技术属性】
技术研发人员：金书易，丁珺淳，
申请(专利权)人：丁珺淳，
类型：发明
国别省市：