[发明专利]一种基于智能手机的人体运动状态识别方法

权利要求书

1.一种基于智能手机的人体运动状态识别方法，其特征在于，包括步骤：

步骤一，运动状态数据采集：利用Android智能手机内嵌的加速度传感器和陀螺仪传感器采集运动状态数据，并对所述运动状态数据的种类做好标记；

步骤二，运动状态数据预处理：对所述采集到的运动状态数据进行滤波处理；

步骤三，训练神经网络模型：将处理后的运动状态数据送入到后台服务器，利用深度学习技术构建神经网络原型，再依据初步的训练结果，进一步优化神经网络模型，直到识别的准确度达到给定阈值；

步骤四，模型移植：将训练好的神经网络模型，利用Android技术移植到所述Android智能手机中；

步骤五，运动状态识别：使用所述Android智能手机采集实时传感器信息，识别当前的人体运动状态。

2.根据权利要求1所述的基于智能手机的人体运动状态识别方法，其特征在于，所述步骤一中运动状态数据的采集过程中，包括步骤：利用众包思想采集运动状态数据，获取更多不同人体对相同动作的数据样本。

3.根据权利要求1所述的基于智能手机的人体运动状态识别方法，其特征在于，所述步骤二中运动状态数据预处理，采用中值滤波和Butterworth滤波对原始信号滤波。

4.根据权利要求1所述的基于智能手机的人体运动状态识别方法，其特征在于，所述步骤二中运动状态数据的预处理过程包括步骤：将运动数据保存在本地手机端和/或上传到后台服务器端。

5.根据权利要求1所述的基于智能手机的人体运动状态识别方法，其特征在于，所述步骤一中传感器采集到的运动状态数据为时间序列类型数据，所述步骤三中的神经网络模型为循环神经网络模型。

6.根据权利要求1所述的基于智能手机的人体运动状态识别方法，其特征在于，所述步骤三中模型训练过程，包括步骤：根据开源资源数据集，依据深度学习框架和实际情况构建训练模型，通过标准测试库验证训练好的模型，不断修改模型以提高识别精度。

7.根据权利要求1所述的基于智能手机的人体运动状态识别方法，其特征在于，所述Android智能手机包括一个APP，所述APP用于前期的运动数据采集和运动状态实时识别。

8.根据权利要求7所述的基于智能手机的人体运动状态识别方法，其特征在于，所述步骤四中的APP可以显示人每天每种状态的持续时间，以记录每天的运动状态。

9.根据权利要求1所述的基于智能手机的人体运动状态识别方法，其特征在于，所述步骤五包括步骤：通过众包思想采集大量的用户运动状态信息，用于分析用户的行为习惯，最后将分析结果返回给用户。