[发明专利]心率检测方法、设备及存储介质

说明书

本发明公开了一种心率检测方法、设备及存储介质，所述方法包括：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。解决了心率检测准确率较低的技术问题，提高了心率检测的准确率。

技术领域

本发明涉及人工智能的技术领域，尤其涉及一种心率检测方法、设备及存储介质。

背景技术

智能穿戴产品或消费类电子产品在检测人体的心率时都有一定的局限性，传统的动态心率检测算法存在测算精度低，鲁棒性低、抗干扰性差的缺点，尤其是人在运动情况下的动态心率更是受多方因素的影响，例如：运动的速度，手腕倾斜角度、手环和手腕贴合不紧凑等都会导致心率解算不准确的问题，无法准确的测量不同的人在不同环境下的心率，从而使人们对自身心率及身体健康状况出现判断偏差。

发明内容

本申请实施例通过提供一种心率检测方法、设备及介质，旨在解决现有技术中心率检测准确率较低的技术问题。

为实现上述目的，本申请实施例提供了一种心率检测方法，包括一下步骤：

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值作为输入，心率带采集到的心率作为输出训练得到。

可选地，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。

可选地，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。

可选地，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。

可选地，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：