[发明专利]一种跳绳监测方法、电子装置及存储介质

说明书

本发明涉及人工智能，提供一种跳绳监测方法、装置及存储介质，方法包括：分别采集环境中多种声音样本，抽取采集数据中的一部分作为训练集，另一部分作为测试集；提取能体现环境声音重要特性的特征参数；对应每种声音类别都建立一个HMM模型；利用开源声学模型训练器训练各个HMM模型，利用训练集对HMM模型进行训练，对训练集中的各个声音添加标签，把数据输入各HMM模型中，训练得到各HMM模型的参数；获取环境声音，利用前向算法，计算声音分类到各类别的概率，以跳绳与地面拍击声音类别的概率最高进行一次跳绳计数，并累加跳绳计数。本发明采用语音识别技术来识别跳绳拍击地面的声音，累加跳绳次数，监测跳绳的频率与热量的消耗等。

技术领域

本发明涉及人工智能技术领域，具体地说，涉及一种跳绳监测方法、电子装置及存储介质。

背景技术

跳绳是一项极佳的健体运动，能有效训练四肢的协调能力和心肺功能，有助保持个人体态健美，从而达到强身健体的目的；跳绳能训练人的数学观念、提高记忆能力、培养节奏平衡感、培养方位知觉。但是当前市场跳绳APP多为固定计数或固定计时模式，死板且并不能实时监测跳绳的频率与热量的消耗，且不能脱离手机，每隔一段时间就需要点击手机重新设置。

发明内容

为解决以上技术问题，本发明提供一种跳绳监测方法，应用于电子装置，包括：分别采集环境中多种声音样本，抽取采集数据中的一部分作为训练集，另一部分作为测试集；提取能体现环境声音重要特性的特征参数；对应每种声音类别都建立一个HMM模型；利用开源声学模型训练器训练各个HMM模型，利用训练集对HMM模型进行训练，对于训练集中的各个声音添加标签，然后把数据输入各HMM模型中，训练得到各HMM模型的参数；获取环境声音，利用前向算法，计算声音分类到各类别的概率，以跳绳与地面拍击的声音类别的概率最高进行一次跳绳计数，并累加跳绳计数。

优选地，HMM模型表示为l(A,B,p)，其中A是状态Si到Sj的转换概率矩阵，B是状态的观察输出概率密度，p是状态的初始分布概率，对于每一个HMM模型l_i，定义前向概率变量α_t(i)：在某一HMM模型l_i条件下，第t时刻处于状态S_i，输出前面部分观察值序列O＝O₁,O₂….O_t的概率：

α_t(i)＝P(O₁,O₂….O_t，q_t＝S_i|l_i)，1≤t≤T，1≤i≤N

求取前向概率变量α_t(i)和输出概率P(O|l)的步骤如下：

(1)对于1≤i≤N，对处于状态S_i和初始观序列为O₁条件下联合概率的初始化α_t

(2)对于1≤t≤T-1,1≤j≤N，有

t时刻的迭代关系表示：第t时刻的状态S₁和第t+1时刻的状态S_j之间的转换关系。

(3)通过第(2)步的递归，获得前向概率变量值α_t(i)。根据前向概率变量值α_t(i)求出最后的概率分布，

其中，N为声音类别的数量；

i为当前声音类别，即当前状态；

O为观察值序列；

p是状态的初始分布概率；

A是状态Si到Sj的转换概率矩阵；

B是状态的观察输出概率密度；

T为跳绳时间段；