[發明專利]基于大數據的年齡估計模型訓練、年齡估計方法和裝置

在審

• 申請號: 202011521753.9
• 申請日: 2020-12-21
• 公開（公告）號: CN112582067A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 朱國康;俞軼
• 申請（專利權）人: 安徽華米智能科技有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06N3/08
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 韓海花

1.一種基于大數據的年齡估計模型訓練方法，其特征在于，包括：

通過可穿戴設備采集用戶在目標時間段內的動態數據信息樣本；

對所述動態數據信息樣本進行分析，獲取多維度指標特征樣本；

將所述用戶的基本特征信息樣本和所述多維度指標特征樣本輸入深度神經網絡進行訓練，獲取訓練年齡；

通過預設的損失度量公式根據所述訓練年齡和真實年齡對所述深度神經網絡的參數進行調整，生成年齡估計模型。

2.如權利要求1所述的方法，其特征在于，所述通過可穿戴設備采集用戶在目標時間段內的動態數據信息樣本，包括以下至少兩個或者兩個以上組合：

采集所述目標時間段內所述用戶在非睡眠非活動狀態下的靜息心率；

采集所述目標時間段內所述用戶在睡眠狀態下的心率；

采集所述目標時間段內所述用戶在走路狀態下的心率；

采集所述目標時間段內所述用戶在跑步狀態下的心率；

采集所述目標時間段內所述用戶的睡眠時間段、深睡時間段和平均睡眠時間段；

采集所述目標時間段內所述用戶的個人運動機能指數PAI；

采集所述目標時間段內所述用戶的走路總距離、走路總時長和走路總步數；

采集所述目標時間段內所述用戶的跑步總距離、跑步總時長和跑步總步數。

3.如權利要求2所述的方法，其特征在于，所述對所述動態數據信息樣本進行分析，獲取多維度指標特征樣本，包括：

根據所述用戶在非睡眠非活動狀態下的靜息心率進行計算，獲取靜息平均心率、靜息高位心率和靜息低位心率；

根據所述用戶在睡眠狀態下的心率進行計算，獲取睡眠平均心率、睡眠高位心率和睡眠低位心率；

根據所述用戶在走路狀態下的心率進行計算，獲取走路平均心率、走路高位心率和走路低位心率；

根據所述用戶在跑步狀態下的心率進行計算，獲取跑步平均心率、跑步高位心率和跑步低位心率；

根據所述用戶的睡眠時間段、深睡時間段和平均睡眠時間段進行計算，獲取核心睡眠時長和深睡睡眠時長；

根據所述靜息平均心率、所述靜息高位心率、所述靜息低位心率、所述睡眠平均心率、所述睡眠高位心率、所述睡眠低位心率、所述走路平均心率、所述走路高位心率、所述走路低位心率、所述跑步平均心率、所述跑步高位心率、所述跑步低位心率、所述個人運動機能指數PAI、所述走路總距離、所述走路總時長、所述走路總步數、所述跑步總距離、所述跑步總時長和所述跑步總步數中的一種或者多種，生成所述多維度指標特征樣本。

4.如權利要求1所述的方法，其特征在于，所述通過預設的損失度量公式根據所述訓練年齡和真實年齡對所述深度神經網絡的參數進行調整，生成年齡估計模型，包括：

對所述訓練年齡進行解碼處理，獲取目標維度指標特征，通過預設的第一損失度量公式計算所述目標維度指標特征和所述多維度指標特征樣本的第一損失度量；

通過預設的第二損失度量公式計算所述訓練年齡和所述真實年齡的第二損失度量；

對所述深度神經網絡的參數進行調整，在所述第一損失度量和所述第二損失度量滿足預設閾值條件時生成年齡估計模型。

5.一種應用權利要求1-4任一項所述的基于大數據的年齡估計模型的年齡估計方法，其特征在于，包括：

通過可穿戴設備采集用戶在目標時間段內的動態數據信息；

對所述動態數據進行分析，獲取多維度指標特征；

將所述用戶的基本特征信息和所述多維度指標特征輸入已訓練的年齡預測模型進行處理，獲取預測年齡。

6.一種基于大數據的年齡估計模型訓練裝置，其特征在于，包括：

第一采集模塊，用于通過可穿戴設備采集用戶在目標時間段內的動態數據信息樣本；

分析獲取模塊，用于對所述動態數據信息樣本進行分析，獲取多維度指標特征樣本；

訓練獲取模塊，用于將所述用戶的基本特征信息樣本和所述多維度指標特征樣本輸入深度神經網絡進行訓練，獲取訓練年齡；

生成模塊，用于通過預設的損失度量公式根據所述訓練年齡和真實年齡對所述深度神經網絡的參數進行調整，生成年齡估計模型。