[发明专利]心率检测方法、设备及存储介质

权利要求书

1.一种心率检测方法，其特征在于，所述心率检测方法应用于可穿戴设备，所述心率检测方法包括以下步骤：

获取佩戴所述可穿戴设备的用户的用户信息、运动参数以及心率参数，所述心率参数通过可穿戴设备中的心率传感器检测得到；

根据所述用户信息、运动参数以及心率参数以及预存的循环神经网络模型确定目标心率值，其中，所述循环神经网络模型以用户信息、运动参数以及心率传感器采集的心率参数作为输入，心率带采集到的心率值作为输出训练得到。

2.如权利要求1所述的心率检测方法，其特征在于，所述预存的循环神经网络模型的训练过程包括：

在获取样本库中获取用户信息、运动参数、心率参数以及心率带采集到的心率值；

将所述用户信息、运动参数以及心率参数作为预设网络模型的输入值，并将心率带采集到的心率值作为预设网络模型的输出值，以对所述预设网络模型进行训练；

在训练过程中获取预设网络模型的准确率；

在所述准确率达到预设准确率时，停止训练；

将当前训练得到的所述预设网络模型作为所述循环神经网络模型。

3.如权利要求2所述的心率检测方法，其特征在于，所述将所述用户信息、运动参数以及心率参数作为预设网络模型的输入值，并将心率带采集到的心率值作为预设网络模型的输出值，以对所述预设网络模型进行训练的步骤之前包括：

对样本库中的所述用户信息、运动参数以及心率参数进行归一化处理；

将归一化处理后的所述用户信息、运动参数以及心率参数作为预设网络模型的输入值，并将心率带采集到的心率值作为循环神经网络的输出值，以对所述预设网络模型进行训练。

4.如权利要求2所述的心率检测方法，其特征在于，所述将所述用户信息、运动参数以及心率参数作为预设网络模型的输入值，并将心率带采集到的心率值作为循环神经网络的输出值，以对所述预设网络模型进行训练的步骤包括：

获取预设网络模型对应的预设参数与预设算法；

将所述用户信息、运动参数以及心率参数作为预设网络模型的输入值，并将心率带采集到的心率值作为预设网络模型的输出值；

根据所述预设参数与预设算法对设置所述输入值和所述输出值后的所述预设网络模型进行训练，所述预设参数包括预设网络模型的预设神经元节点数、预设网络层数、预设初始值、预设学习速率、预设神经元丢弃值与权重以及预设训练周期，所述预设算法为自适应矩估计算法。

5.如权利要求4所述的心率检测方法，其特征在于，所述获取预设网络模型对应的预设参数与预设算法的步骤之前还包括：

获取预设网络模型对应的预设正则项；

将所述预设正则项添加至所述预设网络模型的损失函数中。

6.如权利要求2所述的心率检测方法，其特征在于，所述预设网络模型的输入层、隐藏层以及输出层之间全连接或部分连接，所述预设网络模型的层内各个节点相互连接，所述隐藏层的输入包括输入层的输入值以及上一时刻隐藏层的输出值，所述预设网络模型中神经元之间的权重值共享。

7.如权利要求6所述的心率检测方法，其特征在于，所述将所述用户信息、运动参数以及心率参数作为预设网络模型的输入值的步骤还包括：

获取所述预设网络模型中隐藏层当前训练的输出值；

将所述隐藏层当前训练的输出值与所述用户信息、运动参数以及心率参数一同作为所述预设网络模型的输入值。

8.如权利要求1所述的心率检测方法，其特征在于，所述获取佩戴所述可穿戴设备的用户的用户信息、运动参数以及心率参数的步骤之后，还包括：

将所述可穿戴设备的用户的用户信息、运动参数以及心率参数添加至所述样本库。

9.一种心率检测设备，其特征在于，所述设备包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的心率检测程序，所述心率检测程序被所述处理器执行时实现如权利要求1-8任一项所述的心率检测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有心率检测程序，所述心率检测程序被处理器执行时实现如权利要求1-8任一项所述的心率检测方法。