【技术实现步骤摘要】
本专利技术涉及可穿戴设备，具体而言，涉及一种用于可穿戴设备的疲劳度检测方法及装置、可穿戴设备。
技术介绍
1、通过智能可穿戴设备等设备可以获取定位信息(例如，使用已授权的gps定位信息)，计算用户运动数据，例如，通过实时定位更新能够得到用户的跑步速度。相关技术中，通过调研可知，心率同配速有较强的相关性，因此，在确定用户的基础体征信息之后，可以根据获取到的心率参数、跑步配速以及跑步时长，能够计算出用户的疲劳程度。
2、但是相关技术中在计算用户疲劳程度时，需要通过佩戴心率传感器的可穿戴设备实时记录心率数据，其是主要的参考指标数据，而在现有场景里，能够记录心率数据的心率传感器价格较贵，导致配置心率传感器的可穿戴设备的价格也较为昂贵，无法实现设备普及，仅有少量的设备配置了心率传感器，在没有心率传感器的情况下，可穿戴设备无法计算用户的疲劳度，无法得到用户身体的体能状态，造成数据缺失。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一...
【技术保护点】
1.一种用于智能可穿戴设备的疲劳度检测方法，其特征在于，包括：
2.根据权利要求1所述的疲劳度检测方法，其特征在于，在接收可穿戴设备对目标用户采集的实时运动参数之前，还包括：
3.根据权利要求1所述的疲劳度检测方法，其特征在于，所述预设时序深度学习模型是预先构建的，在构建所述预设时序深度学习模型时，包括：
4.根据权利要求3所述的疲劳度检测方法，其特征在于，在获取N个用户的历史运动数据集以及基础体征信息之后，还包括：
5.根据权利要求1所述的疲劳度检测方法，其特征在于，所述预设时序深度学习模型包括两层MLP多层感知机，每...
【技术特征摘要】
1.一种用于智能可穿戴设备的疲劳度检测方法，其特征在于，包括：
2.根据权利要求1所述的疲劳度检测方法，其特征在于，在接收可穿戴设备对目标用户采集的实时运动参数之前，还包括：
3.根据权利要求1所述的疲劳度检测方法，其特征在于，所述预设时序深度学习模型是预先构建的，在构建所述预设时序深度学习模型时，包括：
4.根据权利要求3所述的疲劳度检测方法，其特征在于，在获取n个用户的历史运动数据集以及基础体征信息之后，还包括：
5.根据权利要求1所述的疲劳度检测方法，其特征在于，所述预设时序深度学习模型包括两层mlp多层感知机，每层的所述多层感知机mlp中引入嵌入策略，采用所述嵌入策略将每类运动项目关联的历史定位数据、历史运动数据以及历史心率数据映射至低维的连续空间中，每层的所述多层感知机mlp至少包括：
6.根据权利要求4所述的疲劳度检测方法，其特征在于，所述预设时序深度学习模型还包括长短期记忆模型lstm，所述长短期记忆模型lstm包括：
7.根据权利要求6所述的疲劳度检测方法，其...
【专利技术属性】
技术研发人员：王劲君，杨斌，张强，迟新一，
申请(专利权)人：深圳卡路里体育技术有限公司，
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。