一种实时监测康复行为的方法及可穿戴设备技术

本申请涉及一种实时监测康复行为的方法及可穿戴设备，属于人工智能领域。该方法包括：实时获取来自穿戴式传感器的至少一个通道的时序数据；采用滑动窗口技术将每个通道的时序数据分割为组，从而将时序数据转换为二维数据；通过二维卷积层对二维数据进行特征提取；进一步通过第一乐高卷积层及第二乐高卷积层进行特征提取；基于注意力机制对第二乐高卷积层输出的第一特征按通道进行分块编码和融合，得到第二特征；通过全连接层基于第一特征和第二特征输出康复行为的识别结果。本申请的方案使用二维乐高卷积来替代传统的卷积层，并使用自注意力机制来提高特征表达性，实现高准确度的人体活动实时识别。的人体活动实时识别。的人体活动实时识别。

【技术实现步骤摘要】
一种实时监测康复行为的方法及可穿戴设备


[0001]本申请涉及人工智能领域，特别涉及一种实时监测康复行为的方法及可穿戴设备。

技术介绍

[0002]在生活中，对那些行动不便、需要康复训练的人进行行为监测能够及时对突发状况做出反应或评估训练过程。常见的康复行为监测设备有视频、摄像头和传感器。能够随身携带的传感器是监测活动范围最大和被接受程度最好的选择。
[0003]用来监测个体活动的传感器包括加速度计、陀螺仪和磁力计等。一般而言，需要将几种数据进行融合才能被使用。使用深度学习中的卷积神经网络是一个不错的选择，但是高精度的识别结果往往需要更复杂、消耗更大的网络结构，难以部署在可穿戴设备上。
[0004]因此，需要一种轻量化的快速精确识别方法，以实现对康复行为的实时检测。
[0005]在所述
技术介绍
部分公开的上述信息仅用于加强对本申请的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0006]本申请提供一种实时监测康复行为的方法，用于可穿戴设备，可提高网络整体的表现，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实时监测康复行为的方法，用于可穿戴设备，其特征在于，包括：实时获取来自穿戴式传感器的至少一个通道的时序数据；采用滑动窗口技术将每个通道的时序数据分割为组，从而将所述时序数据转换为二维数据；通过二维卷积层对所述二维数据进行特征提取；进一步通过第一乐高卷积层及第二乐高卷积层进行特征提取；基于注意力机制对所述第二乐高卷积层输出的第一特征按通道进行分块编码和融合，得到第二特征；通过全连接层基于所述第一特征和所述第二特征输出康复行为的识别结果。2.根据权利要求1所述的方法，其特征在于，所述穿戴式传感器包括加速度计、陀螺仪、磁力计、心率传感器、血压传感器中的一种或多种。3.根据权利要求1所述的方法，其特征在于，所述识别结果包括行走、慢跑、上楼梯、下楼梯、坐下、站立、手臂运动或跌倒。4.根据权利要求1所述的方法，其特征在于，还包括：向云平台或服务器发送所述识别结果和时间戳信息。5.根据权利要求1所述的方法，其特征在于，所述基于注意力机制对所述第二乐高卷积层输出的第一特征按通道进行分块编码和融合，包括：将每个通道输入的所述第一特征划分为多个分块；对于每个通道，利用编码器将所述多个分块进行编码；对于每个通道，将每个分块表达为所述通道...

【专利技术属性】
技术研发人员：黄天羽，吴思思，李弋豪，唐明湘，丁刚毅，李鹏，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：