一种智能护膝的运动状态识别方法及系统技术方案

本发明专利技术提供一种智能护膝的运动状态识别方法及系统，方法包括以下步骤：S1、模型建立，采用随机森林方法构建模型；S2、模型部署，先将建立的模型转换为在设备端进行部署的C语言，然后模型离线识别，模型使用集成的决策树方法，计算出当前各项目运动状态的概率；最好模型对计算出的各项目运动状态的原始概率进行加权处理，得到最终的预测概率，概率最大的状态被系统识别为当前的项目运动状态。本发明专利技术本发明专利技术在固定的智能护膝上部署模型，能精准捕捉膝关节的细微运动变化，识别率高，可精准识别穿戴者当前的静止、行走、跑步、爬楼、特类运动等运动状态，从而根据当前运动状态提供针对性的保护措施，确保膝关节健康。

【技术实现步骤摘要】

本专利技术涉及护膝，尤其涉及一种智能护膝的运动状态识别方法，本专利技术还涉及一种智能护膝的运动状态识别系统。

技术介绍

1、随着健康意识的提高，越来越多的人开始关注日常生活中的膝关节保护。膝关节作为人体重要的承重关节，在日常活动中运动状态具有随机项，如走路、跑步、上下楼梯、坐站起立等过程中，膝关节承受的负荷和冲击也不同。而现有的智能护膝不能针对不同的运动状态提供有效的保护，因此如何在日常活动中实时监测膝关节的状态，并根据不同的运动状态提供针对性的保护措施，是确保膝关节健康的关键。

2、此外，现有的运动状态识别技术依赖手腕、腰部和脚踝处的传感器，但存在局限性。手腕和腰部传感器难以精准捕捉膝关节的细微运动，缺乏对膝关节状态的精细分析。脚踝传感器虽适用于下肢运动监测，但数据主要反映足部运动，无法准确识别膝关节的具体状态。

技术实现思路

1、本专利技术旨在提供一种智能护膝的运动状态识别方法，以克服现有技术中存在的不足。

2、为解决上述技术问题，本专利技术的技术方案是：一种智能护膝的运动状态识别本文档来自技高网...

【技术保护点】

1.一种智能护膝的运动状态识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的智能护膝的运动状态识别方法，其特征在于：在数据库获取时，通过IIC通信与三轴加速度计通信获取被测者膝部的三轴原始运动信息{gx,gy,gz}，被测者在运动过程中的测量范围为±3g，其中g为重力加速度值。

3.根据权利要求1所述的智能护膝的运动状态识别方法，其特征在于：被测者在运动过程中需完成的多个运动动作包括：站立、静坐、转身、抖腿、低速行走、高速行走、走停、侧身走、慢跑、快跑、骑行、上楼、下楼。

4.根据权利要求3所述的智能护膝的运动状态识别方法，其特征在于：将被...

【技术特征摘要】

1.一种智能护膝的运动状态识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的智能护膝的运动状态识别方法，其特征在于：在数据库获取时，通过iic通信与三轴加速度计通信获取被测者膝部的三轴原始运动信息{gx,gy,gz}，被测者在运动过程中的测量范围为±3g，其中g为重力加速度值。

3.根据权利要求1所述的智能护膝的运动状态识别方法，其特征在于：被测者在运动过程中需完成的多个运动动作包括：站立、静坐、转身、抖腿、低速行走、高速行走、走停、侧身走、慢跑、快跑、骑行、上楼、下楼。

4.根据权利要求3所述的智能护膝的运动状态识别方法，其特征在于：将被测者在运动过程中完成的多个运动动作分类组合成5个项目，分别为：静止、行走、跑步、爬楼、特类运动，其中静止项目包括站立、静坐、转身、抖腿，行走项目包括低速行走、高速行走、走停、侧身走，跑步项目包括慢跑、快跑，爬楼项目包括上楼、下楼，特类运动项目包括骑行。

5.根据权利要求1所述的智能护膝的运动状态识别方法，其特征在于：所述三轴加速度的特征值包括三轴加速度的最大值、最小值、平均值、标准差。

6.根据权利要求5所述的智能护膝的运动状态识别方法，其特征在于：三轴加速度的特征值提取方法为：

7.根据权利要求1所述的智能护膝的运动状态识别方法，其特征在于：所述加权处理方法包括以下步骤：

8.根据权利要求7所述的智能护膝的运动...

【专利技术属性】
技术研发人员：林西川，魏巍，孙长明，
申请(专利权)人：迈宝智能科技苏州有限公司，
类型：发明
国别省市：