[发明专利]人体运动类型识别准确度提高方法

说明书

技术领域

本发明涉及一种人体运动类型识别准确度提高方法。

背景技术

人体运动(Physical Activity)主要由人体骨骼、肌肉产生，表现为走路、快走、跑步和多种运动行为。人体运动对维持人体健康、预防心血管疾病、防止肥胖症、减少糖尿病都非常重要。为了身体健康，每个人都需要保证每天有一定的、不同类型的、科学的运动量。但是，普通人都很难掌控自己的运动量，以及是否达到健康要求。因此，准确监控及评估人体在日常生活状态下的人体运动量，尤其是运动类型及其强度，就非常重要。它能够指导人们开展相应的运动，维持合适的运动量，从而强身健体。

人体运动评估的首要目标是识别的人体运动类型、持续时间和运动强度。最近，加速度计、陀螺仪等传感器，由于其低廉的成本和非侵入性，被用于分析、评估人体运动。研究表明，采用这些传感器再结合较好的模式识别分类器，例如隐马尔可夫模型、人工神经网络、支持向量机等，即可识别人体运动的类型和强度。这些模式分类器一般先在标准条件下通过标准样本进行训练，然后再用来进行人体运动类型模式识别。但是，由于不同的人有不同的运动习惯，很难确定不同的人的运动类型。因此，需要模型能够根据每个人的运动特征进行自我学习和自我完善，最终演变为针对该人体的准确模型，从而能够对每一个人的运动类型进行准确识别。

发明内容

本发明的目的是提供一种人体运动类型识别准确度提高方法。

人体的运动信息由传感器采集，传感器采集人体运动数据提供给人体运动识别模型，人体运动识别模型根据传感器数据得出一个识别的运动类型，人体也会报告一个正确的运动类型，识别的运动类型与正确的运动类型一起输入至相似度评价器进行相似度判断，相似度评价器的评价结果与正确的运动类型、传感器数据一起输入至人体运动学习模型进行训练，人体运动学习模型根据相似度评价器的评价结果重新训练人体运动识别模型，通过多次学习和迭代，最终使得人体运动识别模型可以获得较高的识别准确度，能够准确识别人体各种不同运动类型。

所述的正确的运动类型由人体根据运动类型的定义进行报告或者选择，客观正确地反映人体的运动类型。

所述的人体运动识别模型是一个针对某一特定人体建立的人体运动识别模型，只对特定人体有效，通过多次训练和学习，人体运动识别模型对该特定人体具有较高的动作类型识别准确度。

所述的人体运动识别模型由人体运动学习模型训练获得，人体运动识别模型根据不同的传感器数据提取不同的人体运动特征，并通过这些人体运动特征识别人体的运动类型，获得与该传感器数据相对应的识别的运动类型。

所述的人体运动学习模型以人体运动传感器数据和正确的运动类型作为输入，通过机器学习模型进行训练，获得人体运动识别模型，人体运动学习模型对某运动类型训练的次数越多，人体运动识别模型对该运动类型的识别准确度越高。

所述的相似度评价器能够对正确的运动类型和识别的运动类型进行运动类型的相似度评价。

所述的人体运动学习模型以相似度评价器的评价结果作为依据，对人体运动识别模型进行训练，相似度越大的训练的次数越少，相似度越小的训练的次数越多。

附图说明

图1人体运动类型识别准确度提高方法结构示意图；

图2是人体运动类型识别系统的结构示意图；

图3是人体运动类型识别的特征提取与运动类型的识别；

图4是识别的运动类型与正确的运动类型的进行相似度评价；

图5人体运动学习模型以相似度评价器的评价结果重新训练模型。

图中：人体1、传感器2、人体运动识别模型3、识别的运动类型4、正确的运动类型5、相似度评价器6、人体运动学习模型7、云端8、腕带式运动监控设备触摸屏201、人体运动传感器信号202、特征提取203、人体运动特征204、识别的运动类型与正确的运动类型的相似度601。

具体实施方式

以下结合一种具体的实施方案和附图对本发明做详细的说明。该方案采用腕带式运动监测设备跟踪人体运动，腕带中的传感器为加速度传感器。