[發明專利]一種運動識別方法、裝置、設備及介質

在審

• 申請號: 202111523186.5
• 申請日: 2021-12-13
• 公開（公告）號: CN114237394A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 廣東樂心醫療電子股份有限公司
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06K9/00;G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 舒淼

1.一種運動識別方法，其特征在于，包括：

采集用戶運動過程中同一時間的光電容積脈搏波PPG數據和加速度數據；

基于所述PPG數據和所述加速度數據，采用運動識別模型，獲得所述用戶的運動類型；其中，所述運動識別模型是基于各運動類型對應的PPG數據和加速度數據進行分類訓練獲得的用于識別運動類型的分類模型。

2.如權利要求1所述的運動識別方法，其特征在于，還包括：

采集樣本數據集合；其中，所述樣本數據集合中包括各運動類型對應的多個樣本數據，每一樣本數據包括同一時間采集的PPG數據和加速度數據；

從所述樣本數據集合中選取部分樣本數據作為訓練樣本數據，并基于預設數據長度，對各訓練樣本數據進行切片化處理，得到至少一個訓練樣本數據集合；

分別對所述至少一個訓練樣本數據集合進行預處理，得到所述至少一個訓練樣本數據集合的樣本特征矩陣；

分別將所述至少一個樣本特征矩陣輸入所述運動識別模型，得到所述至少一個訓練樣本數據集合中各訓練樣本數據的預測運動類型；

基于所述至少一個訓練樣本數據集合中各訓練樣本數據的預測運動類型和標注運動類型，確定損失函數值；

基于所述損失函數值，更新所述運動識別模型的模型參數。

3.如權利要求2所述的運動識別方法，其特征在于，采集樣本數據集合，包括：

按照預設比例，采集所述各運動類型的樣本數據，得到所述樣本數據集合；其中，所述預設比例表征所述各運動類型的樣本數據的數量之比。

4.如權利要求2所述的運動識別方法，其特征在于，分別對所述至少一個訓練樣本數據集合進行預處理，得到所述至少一個訓練樣本數據集合的樣本特征矩陣，包括：

針對所述至少一個訓練樣本數據集合中的每個訓練樣本數據集合，分別基于所述訓練樣本數據集合中各訓練樣本數據的PPG數據和各訓練樣本數據的加速度數據，生成第一樣本矩陣和第二樣本矩陣，并基于所述第一樣本矩陣和所述第二樣本矩陣，生成所述訓練樣本數據集合的樣本特征矩陣。

5.如權利要求4所述的運動識別方法，其特征在于，分別基于所述訓練樣本數據集合中各訓練樣本數據的PPG數據和各訓練樣本數據的加速度數據，生成第一樣本矩陣和第二樣本矩陣，包括：

基于所述訓練樣本數據集合中各訓練樣本數據的PPG數據，獲得各第一漢克爾矩陣元素，并基于所述各第一漢克爾矩陣元素，生成第一漢克爾矩陣作為所述第一樣本矩陣；

基于所述訓練樣本數據集合中各訓練樣本數據的加速度數據，獲得各第二漢克爾矩陣元素，并基于所述各第二漢克爾矩陣元素，生成第二漢克爾矩陣作為所述第二樣本矩陣。

6.如權利要求4所述的運動識別方法，其特征在于，基于所述第一樣本矩陣和所述第二樣本矩陣，生成所述訓練樣本數據集合的樣本特征矩陣，包括：

分別對所述第一樣本矩陣和所述第二樣本矩陣進行奇異值分解，得到所述第一樣本矩陣的第一奇異值矩陣和所述第二樣本矩陣的第二奇異值矩陣；

基于所述第一奇異值矩陣和所述第二奇異值矩陣，生成所述訓練樣本數據集合的樣本特征矩陣。

7.如權利要求6所述的運動識別方法，其特征在于，基于所述第一奇異值矩陣和所述第二奇異值矩陣，生成所述訓練樣本數據集合的樣本特征矩陣之前，還包括：

按照奇異值從大到小的順序，分別對所述第一奇異值矩陣和所述第二奇異值矩陣進行排序。

8.如權利要求6所述的運動識別方法，其特征在于，基于所述第一奇異值矩陣和所述第二奇異值矩陣，生成所述訓練樣本數據集合的樣本特征矩陣，包括：

基于所述第一奇異值矩陣中的各第一奇異值和所述各第一奇異值的模、預設權重以及所述第二奇異值矩陣中的各第二奇異值和所述各第二奇異值的模，生成所述訓練樣本數據集合的樣本特征矩陣。