[發明專利]一種基于智能數據采集與云服務技術的形象氣質提升方法在審
| 申請號： | 201811017895.4 | 申請日： | 2018-09-03 |
| 公開（公告）號： | CN109284696A | 公開（公告）日： | 2019-01-29 |
| 發明（設計）人： | 吳佳雨 | 申請（專利權）人： | 吳佳雨 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 重慶蘊博君晟知識產權代理事務所(普通合伙) 50223 | 代理人： | 鄭勇 |
| 地址： | 400032 重慶市沙*** | 國省代碼： | 重慶;50 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 決策變量 身體模型 姿態數據 神經網絡模型 智能數據采集 指標矩陣 云服務 采集 矩陣 標準行為 參數建立 環境變量 神經網絡 數據樣本 影響因素 用戶終端 云服務器 上傳 矯正 預測 檢驗 學習 | ||
1.一種基于智能數據采集與云服務技術的形象氣質提升方法，其特征在于，包括如下步驟：
S1：采集一批專業舞者和/或模特的身體模型參數以及對應的行為姿態數據，并上傳至云服務器作為標準行為姿態數據，身體模型參數、行為姿態數據構成影響因素矩陣X，其中，身體模型參數為環境變量，行為姿態數據為決策變量；
S2：綜合專業舞者和/或模特日常的行為姿態，采集用戶對應行為姿態的數據樣本構成指標矩陣Y，利用Elman神經網絡對指標矩陣Y進行學習、訓練、檢驗，并針對用戶的身體模型參數建立行為姿態的Elman神經網絡模型；
S3：利用S2中建立的Elman神經網絡模型對行為姿態數據進行預測，得到推薦決策變量X*，并將推薦決策變量X*下發至用戶終端，用戶根據推薦決策變量X*對自己的行為姿態進行矯正，并提高自身形象氣質。
2.根據權利要求1所述的一種基于智能數據采集與云服務技術的形象氣質提升方法，其特征在于，步驟S1中，通過傳感器模塊采集專業舞者和/或模特的行為姿態數據；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數據轉換成數字信號，并上傳至云服務器。
3.根據權利要求2所述的一種基于智能數據采集與云服務技術的形象氣質提升方法，其特征在于，所述傳感器模塊為十軸加速度藍牙版傳感器。
4.根據權利要求1所述的一種基于智能數據采集與云服務技術的形象氣質提升方法，其特征在于，步驟S1中，身體模型參數包括身高、體重、臂長、腿長、三圍，并人工錄入云服務器。
5.根據權利要求1所述的一種基于智能數據采集與云服務技術的形象氣質提升方法，其特征在于，步驟S1中，行為姿態數據包括站立、坐、走行為的姿態數據。
6.根據權利要求5所述的一種基于智能數據采集與云服務技術的形象氣質提升方法，其特征在于，所述站立、坐、走的姿態數據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。
7.根據權利要求1所述的一種基于智能數據采集與云服務技術的形象氣質提升方法，其特征在于，步驟S2中，建立的Elman神經網絡模型中：Xk＝[xk1,xk2,…,xkM](k＝1,2,…,S)為輸入矢量，S為訓練樣本個數，WMI(g)為第g次迭代時輸入層M與隱層I之間的權值矢量，WJP(g)為第g次迭代時隱層J與輸出層P之間的權值矢量，WJC(g)為第g次迭代時隱層J與承接層C之間的權值矢量，Yk(g)＝[yk1(g),yk2(g),…,ykP(g)](k＝1,2,…,S)為第g次迭代時網絡的實際輸出，dk＝[dk1,dk2,…,dkP](k＝1,2,…,S)為期望輸出。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于吳佳雨，未經吳佳雨許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811017895.4/1.html，轉載請聲明來源鉆瓜專利網。
