[发明专利]运动数据处理和模型训练方法、装置、设备及存储介质

权利要求书

1.一种运动数据处理方法，其特征在于，包括：

在第一目标时间段内，分别获取全球定位系统GPS传感器的第一数据、三轴加速度计TAA的第二数据以及六轴陀螺仪SAG的第三数据；

对所述第一数据、所述第二数据和所述第三数据进行预处理，得到特征数据集；所述特征数据集包括所述第一目标时间段内多个时刻对应的多个向量，任意一个时刻对应的向量是由所述第一数据的特征数据、所述第二数据的特征数据以及所述第三数据的特征数据拼接形成的；

将所述特征数据集作为机器学习模型的输入，并运行所述机器学习模型，得到预测估计值；

在所述预测估计值大于预设阈值的情况下，暂停更新运动数据；其中，所述运动数据是根据所述第一数据、所述第二数据以及所述第三数据确定的；

所述预测估计值用于表示运动状态预测为暂停状态的估计值。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一数据、所述第二数据和所述第三数据进行预处理，得到特征数据集，包括：

提取所述第一数据的第一特征数据子集；

提取所述第二数据的第二特征数据子集；

提取所述第三数据的第三特征数据子集；

将所述第一特征数据子集、所述第二特征数据子集以及所述第三特征数据子集进行拼接，形成所述特征数据集。

3.根据权利要求1所述的方法，其特征在于，所述在预测估计值大于预设阈值的情况下，暂停更新运动数据，包括：

在所述预测估计值大于预设阈值的情况下，确定所述第一目标时间段内的第一运动状态；

获取第二目标时间段对应的第二运动状态，其中，所述第二目标时间段为时间上位于所述第一目标时间段之前的时间段；

在所述第一运动状态和所述第二运动状态不同的情况下，暂停更新所述运动数据。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

在所述第一运动状态和所述第二运动状态相同的情况下，持续暂停更新所述运动数据。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述预测估计值小于或等于所述预设阈值的情况下，确定所述第一目标时间段内的第一运动状态；

获取第二目标时间段对应的第二运动状态，其中，所述第二目标时间段为时间上位于所述第一目标时间段之前的时间段；

在所述第一运动状态和所述第二运动状态不同的情况下，恢复更新所述运动数据；

在所述第一运动状态和所述第二运动状态相同的情况下，持续更新所述运动数据。

6.一种模型训练方法，其特征在于，所述方法包括：

在第三目标时间段内，分别获取GPS传感器的第四数据、TAA的第五数据以及SAG的第六数据；

对所述第四数据、所述第五数据和所述第六数据进行预处理，得到用于模型训练的特征数据集；

对所述第三目标时间段内的运动状态进行分类并对分类结果进行离散化处理，得到标签数据；

利用所述用于模型训练的特征数据集和所述标签数据进行模型训练，得到机器学习模型；

其中，所述特征数据集包括所述第三目标时间段内多个时刻对应的多个向量，任意一个时刻对应的向量是由所述第四数据的特征数据、所述第五数据的特征数据以及所述第六数据的特征数据拼接形成的。