[發明專利]異常計步識別方法、計步方法、裝置、設備及介質

在審

• 申請號: 202011157658.5
• 申請日: 2020-10-26
• 公開（公告）號: CN112113581A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 馮澍婷;莊伯金;王少軍
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G01C22/00
• 分類號: G01C22/00
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 譚果林

1.一種異常計步識別方法，其特征在于，包括：

獲取采集數據；所述采集數據為在預設時間段內從計步傳感器采集的數據，所述采集數據包括傳感器區分標識、X軸數據、Y軸數據和Z軸數據；

將所述X軸數據、所述Y軸數據和所述Z軸數據進行三軸加速度矢量合成處理，生成三軸合成數據；

對所述三軸合成數據進行濾波處理，得到待計步數據，并通過計步模型計算所述待計步數據中的步數，得到當前步數；

通過強條件異常識別模型對所述待計步數據進行周期性異常識別，得到強條件識別結果，同時獲取與所述傳感器區分標識對應的弱條件異常識別模型，通過獲取的所述弱條件異常識別模型對所述X軸數據、所述Y軸數據和所述Z軸數據進行能量異常識別，得到弱條件識別結果；

在所述強條件識別結果和所述弱條件識別結果均為異常時，確定所述當前步數確定為異常步數。

2.如權利要求1所述的異常計步識別方法，其特征在于，所述將所述X軸數據、所述Y軸數據和所述Z軸數據進行三軸加速度矢量合成處理，生成三軸合成數據，包括：

將所述X軸數據、所述Y軸數據和所述Z軸數據輸入矢量合成模型中，通過所述矢量合成模型中的三軸加速度矢量合成函數，得到所述三軸合成數據；所述三軸加速度矢量合成函數為：

其中，

f(t)為三軸合成數據中在t時刻的合成值；

x_t為X軸數據中在t時刻的值；

y_t為Y軸數據中在t時刻的值；

z_t為Z軸數據中在t時刻的值。

3.如權利要求1所述的異常計步識別方法，其特征在于，所述對所述三軸合成數據進行濾波處理，得到待計步數據，并通過計步模型計算所述待計步數據中的步數，得到當前步數，包括：

對所述三軸合成數據進行平滑處理，得到過渡數據；

對所述過渡數據進行降噪處理，得到所述待計步數據；

將所述待計步數據輸入所述計步模型中；

通過所述計步模型對所述待計步數據進行極點值搜索，搜索出所述待計步數據中的波峰點和波谷點；

根據所有所述波峰點的數量和所有所述波谷點的數量，獲取所述計步模型輸出的所述當前步數。

4.如權利要求3所述的異常計步識別方法，其特征在于，所述通過強條件異常識別模型對所述待計步數據進行周期性異常識別，得到強條件識別結果，包括：

通過所述強條件異常識別模型從所述待計步數據中提取出波峰數據和波谷數據；所述波峰數據為在所述待計步數據中所有所述波峰點的數據；所述波谷數據為在所述待計步數據中所有所述波谷點的數據；

通過所述強條件異常識別模型根據所有所述波峰數據，計算出波峰方差結果，同時根據所有所述波谷數據，計算出波谷方差結果；

通過所述強條件異常識別模型對所述波峰方差結果和所述波谷方差結果進行周期性異常識別，識別出所述強條件識別結果。

5.如權利要求1所述的異常計步識別方法，其特征在于，所述獲取與所述傳感器區分標識對應的弱條件異常識別模型，通過獲取的所述弱條件異常識別模型對所述X軸數據、所述Y軸數據和所述Z軸數據進行能量異常識別，得到弱條件識別結果，包括：

在所述傳感器區分標識為加速度傳感器時，獲取與所述加速度傳感器對應的所述弱條件異常識別模型；

通過獲取的所述弱條件異常識別模型對所述X軸數據、所述Y軸數據和所述Z軸數據進行能量和計算，得到能量和結果；

通過所述弱條件異常識別模型對所述能量和結果進行方差異常識別和比值異常識別，得到所述弱條件識別結果。

6.一種計步方法，其特征在于，包括：

接收到計步請求，獲取當天從計步傳感器采集的原始數據；所述原始數據包括原始總步數和原始步數數據；

將所述原始步數數據劃分成預設時間間隔的單元步數數據；

通過權利要求1至5任一項所述的異常計步識別方法對各所述單元步數數據進行識別，識別出與各所述單元步數數據一一對應的識別結果；

將識別出所有所述識別結果中的異常步數進行匯總，得到異常總步數；

將所述原始總步數與所述異常總步數相減，得到真實步數。