[发明专利]一种生物特征运动模态智能识别方法及其应用

权利要求书

1.一种生物特征运动模态智能识别方法，其特征在于，包括如下步骤：

S1，通过智能终端运动参数传感器获取用户身体运动参数数据，并形成多维度数据，将多维度数据与用户身份信息进行关联匹配；

S2，通过对上述用户身体运动参数数据集进行数据分析和机器学习模型不断训练之后形成用户身体运动参数特征向量第一数据库；

S3，通过视频图像采集方式获取用户身体运动图像数据集，经过机器学习模型不断训练之后形成用户身体运动图像特征向量第二数据库；

S4，将用户身体运动参数特征向量第一数据库按照正方向运动和侧方向运动参数特征向量分解后，与用户身体运动图像特征向量第二数据库进行数据映射匹配；

S5，判断映射匹配结果并根据用户身体运动参数特征向量进行映射校验，同时录入用户身体运动参数分解特征向量第三数据库。

2.根据权利要求1所述的生物特征运动模态智能识别方法，其特征在于，所述S1包括：

S1-1，根据陀螺仪传感器获取三维瞬间角度向量数据，

其中r_x,r_y,r_z分别为每个方位获取的陀螺仪角度值；

根据加速度传感器获取三维瞬间加速度向量数据，

其中g_x,g_y,g_z分别为每个方位获取的加速度值；

根据磁传感器获取三维瞬间角度向量数据，

其中m_x,m_y,m_z分别为每个方位获取的磁传感器角度值。

3.根据权利要求1所述的生物特征运动模态智能识别方法，其特征在于，所述S1还包括：

S1-2，根据用户所在位置进行经纬度数据P的定位，将用户的经纬度数据P，和进行收集，同时根据用户的身份信息进行身体运动参数关联匹配；

S1-3，根据身份信息快速匹配用户身体运动参数数据并形成基础数据；每种运动参数传感器采集频率为50-80次/s；

S1-4，将用户身体运动参数数据进行收集整理，分类为正常行走参数数据集、非正常运动参数数据集。在通常情况下，每个人在正常行走时，应具备各自不同但又相对稳定的步态特征。这就为我们下一步开展步态识别、比对提供了科学依据和理论支撑。

4.根据权利要求1所述的生物特征运动模态智能识别方法，其特征在于，所述S2包括：S2-1，通过获取其中之一的目标人群身体运动参数数据集中陀螺仪数据，生成的目标人群陀螺仪X轴角速度值其中Δt为间隔时间，为t时刻陀螺仪X轴运动角度，为t+Δt时刻陀螺仪X轴运动角度，目标人群陀螺仪Y轴角速度值为t时刻陀螺仪Y轴运动角度，为t+Δt时刻陀螺仪Y轴运动角度，目标人群陀螺仪Z轴角速度值为t时刻陀螺仪Z轴运动角度，为t+Δt时刻陀螺仪Z轴运动角度；

S2-2，根据目标人群XYZ轴的陀螺仪角速度值，形成目标人群陀螺仪角速度向量

S2-3，通过获取该目标人群身体运动参数数据集中磁传感器数据，生成的目标人群磁传感器X轴角速度值其中Δt为间隔时间，为t时刻磁传感器X轴运动角度，为t+Δt时刻磁传感器X轴运动角度，目标人群磁传感器Y轴角速度值为t时刻磁传感器Y轴运动角度，为t+Δt时刻磁传感器Y轴运动角度，目标人群磁传感器Z轴角速度值为t时刻磁传感器Z轴运动角度，为t+Δt时刻磁传感器Z轴运动角度；

S2-4，根据目标人群XYZ轴的磁传感器角速度值，形成目标人群磁传感器角速度向量