本申请公开了一种运动模式的识别方法、系统、智能穿戴设备及存储介质。该方法通过通过智能穿戴设备采集用户运动过程中的运动数据；根据所述运动数据，提取所述用户运动的第一特征数据；将所述第一特征数据输入到训练好的运动模式识别模型中进行运动模式的识别，得到第一识别结果；增加所述第一识别结果对应的运动模式的投票计数值，并返回所述通过智能穿戴设备采集用户运动过程中的运动数据的步骤；响应于用户的交互指令或者预定的触发指令，根据当前各个运动模式的投票计数值的最高值，确定当前的运动模式识别结果。该方法可以提高运动模式识别的准确性。本申请可广泛应用于人工智能技术领域内。技术领域内。技术领域内。
【技术实现步骤摘要】
运动模式的识别方法、系统、智能穿戴设备及存储介质
[0001]本申请涉及人工智能
，尤其是一种运动模式的识别方法、系统、智能穿戴设备及存储介质。
技术介绍
[0002]近年来，随着可穿戴式智能设备的大规模推广和应用，以及设备搭载处理器的处理算力提高，人体运动模式的分类和识别成为人工智能领域的一个重要研究课题。可穿戴式智能设备根据佩戴位置的不同可以分为绑在手腕(如智能手环、智能手表)、固定在鞋子(如智能跑鞋)以及佩戴在头部(如智能眼镜)等类型。这些设备都自带各式各样的传感器，如加速度计、磁力计以及心率传感器等，可以随时随地测量采集用户的运动信息，利用数据可以分析得到用户的运动情况，从而帮助用户及时了解运动锻炼的程度，以做出相应的调整。
[0003]相关技术中，在通过人工智能技术对用户的运动模式进行识别时，运动识别模型往往需要使用多种传感器采集得到的信息，这样的方法增加了硬件成本；而且，现有的识别方法不仅需要得到传感器数据的时间序列，还需要对序列进行频域分析，需要提取的特征种类繁多，大大增加了设备的内存消耗和处理计算量，从而导致可穿戴设备的功耗上升。现有的运动识别模型，一般通过比较用户运动数据的特征值和各个模型的阈值的大小关系，从而推断出用户的运动模式，这种方法依赖于阈值的选取，用户佩戴设备的方式以及运动的动作都对判断结果产生较大影响，模型鲁棒性较差，最终得到的识别结果准确度偏低。
[0004]综合上述，相关技术中存在的技术问题亟需得到解决。
技术实现思路
[0005]本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一。
[0006]为此，本申请实施例的一个目的在于提供一种运动模式的识别方法，该方法可以提高运动模式识别的准确性。
[0007]本申请实施例的另一个目的在于提供运动模式的识别系统。
[0008]为了达到上述技术目的，本申请实施例所采取的技术方案包括：
[0009]第一方面，本申请实施例提供了一种运动模式的识别方法，所述方法包括以下步骤：
[0010]通过智能穿戴设备采集用户运动过程中的运动数据；所述运动数据包括所述智能穿戴设备在三个空间轴方向上随时间分布的加速度序列数据；
[0011]根据所述运动数据，提取所述用户运动的第一特征数据；
[0012]将所述第一特征数据输入到训练好的运动模式识别模型中进行运动模式的识别，得到第一识别结果；所述第一识别结果用于表征所述运动模式识别模型对所述运动数据识别输出的运动模式的类别；
[0013]增加所述第一识别结果对应的运动模式的投票计数值，并返回所述通过智能穿戴
设备采集用户运动过程中的运动数据的步骤；
[0014]响应于用户的交互指令或者预定的触发指令，根据当前各个运动模式的投票计数值的最高值，确定当前的运动模式识别结果。
[0015]另外，根据本申请上述实施例的运动模式的识别方法，还可以具有以下附加的技术特征：
[0016]进一步地，在本申请的一个实施例中，所述运动模式识别模型通过以下步骤得到：
[0017]采集批量用户的样本数据，所述样本数据包括用户的智能穿戴设备在三个空间轴方向上随时间分布的加速度序列数据；所述样本数据携带有标签，所述标签用于表征运动模式的类别；
[0018]对所述样本数据进行特征提取，得到第二特征数据，将所述第二特征数据输入到初始化的运动模式识别模型中进行运动模式的识别，得到所述样本数据对应的第二识别结果；所述第二识别结果用于表征所述运动模式识别模型对所述样本数据识别输出的运动模式的类别；
[0019]根据所述标签和所述第二识别结果，确定训练的损失值；
[0020]根据所述损失值，通过反向传播算法对所述运动模式识别模型进行参数更新，得到训练好的运动模式识别模型。
[0021]进一步地，在本申请的一个实施例中，所述确定训练的损失值，包括：
[0022]通过交叉熵损失函数确定训练的损失值。
[0023]进一步地，在本申请的一个实施例中，所述方法还包括以下步骤：
[0024]通过低通滤波器对所述运动数据进行低通滤波处理。
[0025]进一步地，在本申请的一个实施例中，所述根据所述运动数据，提取所述用户运动的第一特征数据，包括：
[0026]采用滑窗法计算所述加速度序列数据的均值数据和标准差数据；
[0027]根据所述均值数据和所述标准差数据，确定第一特征数据。
[0028]进一步地，在本申请的一个实施例中，所述采集批量用户的样本数据，包括：
[0029]采集批量的样本数据，将所述样本数据划分为训练集和验证集；
[0030]所述对所述运动模式识别模型进行参数更新，得到训练好的运动模式识别模型，包括：
[0031]通过所述验证集对每次参数更新后的模型进行验证，确定所述运动模式识别模型的识别准确率；
[0032]若当前所述识别准确率大于预设阈值，则完成所述运动模式识别模型的训练，得到训练好的运动模式识别模型。
[0033]进一步地，在本申请的一个实施例中，所述方法还包括以下步骤：
[0034]每经过预定的时间间隔，对各个运动模式的投票计数值进行更新；
[0035]所述对各个运动模式的投票计数值进行更新，包括：
[0036]根据所述运动数据的采样频率和所述时间间隔的长短，确定第一数值；
[0037]将各个运动模式的投票计数值减去所述第一数值，得到第二数值；
[0038]若所述第二数值大于等于0，则将所述第二数值确定为更新后的投票计数值；
[0039]若所述第二数值小于0，则将0确定为更新后的投票计数值。
[0040]第二方面，本申请实施例提供了一种运动模式的识别系统，所述系统包括：
[0041]采集模块，用于通过智能穿戴设备采集用户运动过程中的运动数据；所述运动数据包括所述智能穿戴设备在三个空间轴方向上随时间分布的加速度序列数据；
[0042]提取模块，用于根据所述运动数据，提取所述用户运动的第一特征数据；
[0043]预测模块，用于将所述第一特征数据输入到训练好的运动模式识别模型中进行运动模式的识别，得到第一识别结果；所述第一识别结果用于表征所述运动模式识别模型对所述运动数据识别输出的运动模式的类别；
[0044]更新模块，用于增加所述第一识别结果对应的运动模式的投票计数值，并返回所述通过智能穿戴设备采集用户运动过程中的运动数据的步骤；
[0045]处理模块，用于响应于用户的交互指令或者预定的触发指令，根据当前各个运动模式的投票计数值的最高值，确定当前的运动模式识别结果。
[0046]第三方面，本申请实施例提供了一种智能穿戴设备，包括：
[0047]至少一个处理器；
[0048]至少一个存储器，用于存储至少一个程序；
[0049]当所述至少一个程序被所述至少一个处理器执行时，使得所述至少本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种运动模式的识别方法，其特征在于，包括以下步骤：通过智能穿戴设备采集用户运动过程中的运动数据；所述运动数据包括所述智能穿戴设备在三个空间轴方向上随时间分布的加速度序列数据；根据所述运动数据，提取所述用户运动的第一特征数据；将所述第一特征数据输入到训练好的运动模式识别模型中进行运动模式的识别，得到第一识别结果；所述第一识别结果用于表征所述运动模式识别模型对所述运动数据识别输出的运动模式的类别；增加所述第一识别结果对应的运动模式的投票计数值，并返回所述通过智能穿戴设备采集用户运动过程中的运动数据的步骤；响应于用户的交互指令或者预定的触发指令，根据当前各个运动模式的投票计数值的最高值，确定当前的运动模式识别结果。2.根据权利要求1所述的运动模式的识别方法，其特征在于，所述运动模式识别模型通过以下步骤得到：采集批量用户的样本数据，所述样本数据包括用户的智能穿戴设备在三个空间轴方向上随时间分布的加速度序列数据；所述样本数据携带有标签，所述标签用于表征运动模式的类别；对所述样本数据进行特征提取，得到第二特征数据，将所述第二特征数据输入到初始化的运动模式识别模型中进行运动模式的识别，得到所述样本数据对应的第二识别结果；所述第二识别结果用于表征所述运动模式识别模型对所述样本数据识别输出的运动模式的类别；根据所述标签和所述第二识别结果，确定训练的损失值；根据所述损失值，通过反向传播算法对所述运动模式识别模型进行参数更新，得到训练好的运动模式识别模型。3.根据权利要求2所述的运动模式的识别方法，其特征在于，所述确定训练的损失值，包括：通过交叉熵损失函数确定训练的损失值。4.根据权利要求1所述的运动模式的识别方法，其特征在于，所述方法还包括以下步骤：通过低通滤波器对所述运动数据进行低通滤波处理。5.根据权利要求1所述的运动模式的识别方法，其特征在于，所述根据所述运动数据，提取所述用户运动的第一特征数据，包括：采用滑窗法计算所述加速度序列数据的均值数据和标准差数据；根据所述均值数据和所述标准差数据，确定第一特征数据。6.根据权利要求2所述的运动模式的识别方法，其特征在于：所述采集批量用户的样本数据，包括：采集批量的样本数据，将所述样本数据...
【专利技术属性】
技术研发人员：潘文俊，梁锐河，
申请(专利权)人：广东瑞芯智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。