[發明專利]基于卷積神經網絡的計步方法、裝置及可讀存儲介質

有效

• 申請號: 202010920223.5
• 申請日: 2020-09-03
• 公開（公告）號: CN112067015B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 王曉強;王德信;付暉
• 申請（專利權）人: 青島歌爾智能傳感器有限公司
• 主分類號: G01C22/00
• 分類號: G01C22/00;G06N3/04;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 梁馨怡

本申請公開了一種基于卷積神經網絡的計步方法、裝置及可讀存儲介質，所述基于卷積神經網絡的計步方法應用于計步裝置，所述計步裝置設有基于卷積神經網絡的去噪模型，所述基于卷積神經網絡的計步方法包括：獲取當前加速度信號，所述當前加速度信號由加速度傳感器采集得到；根據所述去噪模型對所述當前加速度信號進行去噪處理，以得到所述當前加速度信號對應的運動狀態以及去噪后的加速度信號；根據去噪后的所述加速度信號以及所述運動狀態獲取計步信息。本申請通過去噪模型消除了加速度傳感器的檢測誤差以及計步裝置與用戶之間產生的隨機運動誤差，提高了步數統計的準確性。

技術領域

本申請涉及計步技術領域，尤其涉及一種基于卷積神經網絡的計步方法、裝置及可讀存儲介質。

背景技術

現有技術中，智能穿戴設備如智能手環、智能手表等以及移動終端如手機等通過內置的加速度傳感器采集加速度數據，并通過計步檢測算法如過零點檢測、平坦區域檢測、峰值檢測等對加速度數據進行計算得到用戶的步數，但采集加速度數據的傳感器本身存在測量誤差，并且在運動過程中會引入隨機振動噪聲(干擾)如智能穿戴設備與用戶手腕的相對振動會對加速度數據檢測產生干擾，導致檢測到達的加速度數據不準確，最終導致步數統計不夠準確。

發明 內容

本申請實施例通過提供一種基于卷積神經網絡的計步方法，旨在解決現有技術中加速度數據檢測不準確，導致步數統計不夠準確的問題。

本申請實施例的提供一種基于卷積神經網絡的計步方法，所述基于卷積神經網絡的計步方法應用于計步裝置，所述計步裝置設有基于卷積神經網絡的去噪模型，所述基于卷積神經網絡的計步方法包括：

獲取當前加速度信號，所述當前加速度信號由加速度傳感器采集得到；

根據所述去噪模型對所述當前加速度信號進行去噪處理，以得到所述當前加速度信號對應的運動狀態以及去噪后的加速度信號；

根據去噪后的所述加速度信號以及所述運動狀態獲取計步信息。

進一步地，所述根據所述去噪模型對所述當前加速度信號進行去噪處理的步驟之前包括：

根據預設的頻率閾值對所述當前加速度信號進行濾波處理。

進一步地，所述根據預設的頻率閾值對所述當前加速度信號進行濾波處理的步驟之后包括：

對濾波后的所述當前加速度信號進行歸一化處理。

進一步地，所述根據所述去噪模型對所述當前加速度信號進行去噪處理，以得到所述當前加速度信號對應的運動狀態以及去噪后的加速度信號的步驟包括：

將所述當前加速度信號作為輸入數據輸入所述去噪模型的輸入層；

獲取所述去噪模型的全連接層輸出的輸出數據以得到所述當前加速度信號對應的運動狀態以及去噪后的加速度信號；

其中，所述去噪模型包括兩層卷積神經網絡層，并包括依次連接的輸入層、第一卷積及激活層、第一池化層、第一局部歸一化層、第一Dropout層、第二卷積及激活層、第二池化層、第二局部歸一化層、第二Dropout層以及全連接層，所述去噪模型以足部的加速度信號作為訓練標簽訓練得到。

進一步地，所述去噪模型以足部的加速度信號作為訓練標簽訓練得到的步驟包括：

獲取訓練集數據，其中，所述訓練集數據包括多種運動狀態的加速度信號，且每一所述運動狀態均對應設置有多組加速度信號；

獲取不同運動狀態下足部的加速度信號，作為所述去噪模型的訓練標簽；

在模型訓練過程中，以所述訓練集數據中多組加速度信號作為輸入數據，并以同種運動狀態下的足部的加速度信號作為輸出數據進行模型訓練；