[發明專利]基于云數據庫和改進集成學習的手杖運動分析系統及方法

在審

• 申請號: 202110359489.1
• 申請日: 2021-04-02
• 公開（公告）號: CN113095390A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 王軍義;蔣學政;徐紅麗;王懷震;丁其川
• 申請（專利權）人: 東北大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/20;G06F16/28;G01C21/18
• 代理公司: 沈陽優普達知識產權代理事務所(特殊普通合伙) 21234
• 代理人: 陳曦

1.基于云數據庫和改進集成學習的手杖運動分析系統，其特征在于，包括：智能手杖、云端數據庫和遠程智能終端；所述智能手杖和遠程智能終端通過HTTP協議分別連接云端數據庫；

所述智能手杖包括：手杖本體和安裝在手杖本體上的控制中心系統板、姿態傳感器、便攜式移動Wi-Fi模塊和電源模塊，所述手杖本體的上部和下部各設置一個姿態傳感器以采集三軸的加速度信息和三軸的角速度信息，合并后構成十二維的加速度、角速度信息；

所述控制中心系統板集成有中央處理器、Wi-Fi接收模塊、輸入輸出擴展口和USB接口，中央處理器分別連接Wi-Fi接收模塊、輸入輸出擴展口和USB接口；所述控制中心系統板通過USB接口連接電源模塊；所述中央處理器通過輸入輸出擴展口連接兩個姿態傳感器，對十二維的加速度、角速度信息進行實時分類計算；Wi-Fi接收模塊接收便攜式移動Wi-Fi模塊或環境中的無線網絡發出的Wi-Fi信號，并將中央處理器的分類結果和時間信息上傳到云端數據庫；便攜式移動Wi-Fi模塊與電源模塊連接。

2.如權利要求1所述的基于云數據庫和改進集成學習的手杖運動分析系統，其特征在于，所述云端數據庫為關系型數據庫，通過鍵值對的方式儲存信息，用于儲存智能手杖分類后的實時運動狀態和時間信息，以供遠程智能終端的獲取。

3.如權利要求1所述的基于云數據庫和改進集成學習的手杖運動分析系統，其特征在于，所述姿態傳感器為MPU-6050加速度陀螺儀傳感器，所述控制中心系統板為RaspberryPi zero w系統板。

4.如權利要求1所述的基于云數據庫和改進集成學習的手杖運動分析系統，其特征在于，所述智能手杖通過POST請求方式將實時運動狀態和時間信息上傳云端數據庫；遠程智能終端通過GET請求從云端服務器獲得信息，同時也可通過POST請求向云端服務器發送信息。

5.基于云數據庫和改進集成學習的手杖運動分析方法，其特征在于，包括以下步驟：

步驟1：通過智能手杖預先采集六個類別多組數據作為數據集，將數據集通過窗口矩陣預處理后獲得新數據集，將新數據集中70％數據構成訓練數據集；

步驟2：對訓練數據集中的訓練數據標簽進行獨熱編碼，使訓練數據更有表現力；

步驟3：構建自定義損失函數；

步驟4：對自定義損失函數中的誤差損失函數進行改進以構建LightBE模型；

步驟5：對自定義損失函數的代碼進行優化，縮短模型訓練時間；

步驟6：對LightBE模型的超參數進行貝葉斯優化，以尋找最優超參數帶入到LightBE模型中進行訓練；

步驟7：將訓練好的LightBE模型移植到控制中心系統板中；

步驟8：通過兩個姿態傳感器實時采集十二維的加速度、角速度信息，并通過窗口矩陣處理后輸入到中心系統板中進行實時分類；

步驟9：將分類結果和時間信息上傳到云端數據庫，以供遠程智能終端的獲取。

6.如權利要求5所述的基于云數據庫和改進集成學習的手杖運動分析方法，其特征在于，所述步驟2具體為：

對訓練數據的標簽進行獨熱編碼，以保證每個樣本的標簽為1×7維的向量，具體分類類別與獨熱編碼的對應關系為：

“停止”—0100000，“慢走”—0010000，“快走”—0001000，“右轉”—0000100，“左轉”—0000010，“其他”—0000001。