[發(fā)明專利]一種基于數(shù)據(jù)挖掘的形象氣質(zhì)提升方法

在審

• 申請?zhí)枺?/td>: 201811017859.8
• 申請日: 2018-09-03
• 公開（公告）號: CN109284695A
• 公開（公告）日: 2019-01-29
• 發(fā)明（設(shè)計）人: 李樂進
• 申請（專利權(quán)）人: 李樂進
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 重慶蘊博君晟知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50223
• 代理人: 鄭勇

本發(fā)明公開了一種基于數(shù)據(jù)挖掘的形象氣質(zhì)提升方法，包括如下步驟：S1：采集一批專業(yè)舞者和/或模特的身體模型參數(shù)以及對應(yīng)的行為姿態(tài)數(shù)據(jù)，并上傳至云服務(wù)器作為標準行為姿態(tài)數(shù)據(jù)，身體模型參數(shù)、行為姿態(tài)數(shù)據(jù)構(gòu)成影響因素矩陣X，身體模型參數(shù)為環(huán)境變量，行為姿態(tài)數(shù)據(jù)為決策變量；S2：綜合專業(yè)舞者和/或模特日常的行為姿態(tài)，采集用戶對應(yīng)行為姿態(tài)的數(shù)據(jù)樣本構(gòu)成指標矩陣Y，利用BP神經(jīng)網(wǎng)絡(luò)對指標矩陣Y進行學習、訓練、檢驗，并針對用戶的身體模型參數(shù)建立行為姿態(tài)的BP神經(jīng)網(wǎng)絡(luò)模型；S3：利用BP神經(jīng)網(wǎng)絡(luò)模型對數(shù)據(jù)進行預測，得到推薦決策變量X^*，并將推薦決策變量X^*下發(fā)至用戶終端，用戶根據(jù)推薦決策變量X^*對自己的行為姿態(tài)進行矯正，提高形象氣質(zhì)。

技術(shù)領(lǐng)域

本發(fā)明屬于神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)領(lǐng)域，具體設(shè)計一種基于數(shù)據(jù)挖掘的形象氣質(zhì)提升方法。

背景技術(shù)

形象氣質(zhì)訓練不僅能使人獲得健康美，還能使人獲得體形美、姿態(tài)美、動作美和氣質(zhì)美，也正因為這樣，形象氣質(zhì)訓練越來越受到人們的重視，行為姿態(tài)矯正系統(tǒng)作為一種提高人們形象氣質(zhì)成為人們樂意選擇的方式。在人們平時的生活中隨時隨地都可以實現(xiàn)對行為姿態(tài)的訓練。但是通常人們?nèi)狈侠淼闹笇Х桨福e誤的方法可能會使用戶的日常訓練達不到理想的效果，造成不可彌補的時間損失和大量的精力損失。

目前，亟需解決的問題是建立一套全面的行為姿態(tài)模型，并將使用者的行為姿態(tài)數(shù)據(jù)反饋給使用者，讓使用者能及時對自己的姿勢矯正。影響行為姿態(tài)評分的各個因素之間往往體現(xiàn)出高度的復雜性和非線性，采用常規(guī)預測、分析方法存在一定難度，BP神經(jīng)網(wǎng)絡(luò)對于非線性系統(tǒng)的建模精度高，非常適合行為姿態(tài)模型的建立。使用者利用下發(fā)的最優(yōu)行為姿態(tài)矯正方案進行日常訓練提升自身形象氣質(zhì)，為大數(shù)據(jù)時代的智能行為姿態(tài)矯正提供了一種新的思路。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于數(shù)據(jù)挖掘的形象氣質(zhì)提升方法，以解決現(xiàn)在人們的行為姿態(tài)不優(yōu)美導致形象氣質(zhì)不佳的問題。

本發(fā)明的目的是這樣實現(xiàn)的：

一種基于數(shù)據(jù)挖掘的形象氣質(zhì)提升方法，包括如下步驟：

S1：采集一批專業(yè)舞者和/或模特的身體模型參數(shù)以及對應(yīng)的行為姿態(tài)數(shù)據(jù)，并上傳至云服務(wù)器作為標準行為姿態(tài)數(shù)據(jù)，身體模型參數(shù)、行為姿態(tài)數(shù)據(jù)構(gòu)成影響因素矩陣X，其中，身體模型參數(shù)為環(huán)境變量，行為姿態(tài)數(shù)據(jù)為決策變量；

S2：綜合專業(yè)舞者和/或模特日常的行為姿態(tài)，采集用戶對應(yīng)行為姿態(tài)的數(shù)據(jù)樣本構(gòu)成指標矩陣Y，利用BP神經(jīng)網(wǎng)絡(luò)對指標矩陣Y進行學習、訓練、檢驗，并針對用戶的身體模型參數(shù)建立行為姿態(tài)的BP神經(jīng)網(wǎng)絡(luò)模型；

S3：利用S2中建立的BP神經(jīng)網(wǎng)絡(luò)模型對行為姿勢數(shù)據(jù)進行預測，得到推薦決策變量X^*，并將推薦決策變量X^*下發(fā)至用戶終端，用戶根據(jù)推薦決策變量X^*對自己的行為姿態(tài)進行矯正，并提高自身形象氣質(zhì)。

優(yōu)選地，步驟S1中，通過傳感器模塊采集專業(yè)舞者和/或模特的行為姿態(tài)數(shù)據(jù)；通過采樣電路與傳感器模塊進行連接，將傳感器模塊采集到的行為姿態(tài)數(shù)據(jù)轉(zhuǎn)換成數(shù)字信號，并上傳至云服務(wù)器。

優(yōu)選地，所述傳感器模塊為十軸加速度藍牙版?zhèn)鞲衅鳌?/p>

優(yōu)選地，步驟S1中，身體模型參數(shù)包括身高、體重、臂長、腿長、三圍，并人工錄入云服務(wù)器。

優(yōu)選地，步驟S1中，行為姿態(tài)數(shù)據(jù)包括站立、坐、走行為的姿態(tài)數(shù)據(jù)。

優(yōu)選地，所述站立、坐、走的姿態(tài)數(shù)據(jù)分別包括行為時背部、左右手腕、左右大腿、胸部、臀部的加速度、角度、速度、三維坐標、高度。