[发明专利]智能鞋及其运行方法

权利要求书

1.一种智能鞋，其特征在于，包括：

训练模块，包括：

训练数据获取单元，用于获取训练数据，所述训练数据包括由所述智能鞋的陀螺仪所采集的角度数据、由所述智能鞋的重力加速度计所采集的垂直加速度波形和由所述智能鞋的加速度传感器所采集的水平加速度波形；

波形数据处理单元，用于分别对所述训练数据中的所述垂直加速度波形和所述水平加速度波形进行傅里叶变换，以获得所述垂直加速度波形和所述水平加速度波形在各个谐波频率下的数值；

第一向量构造单元，用于分别从所述垂直加速度波形和所述水平加速度波形在各个谐波频率下的数值中截取前N个谐波频率下的数值，以获得N维的垂直向量和N维的水平向量；

矩阵构造单元，用于将所述垂直向量与所述水平向量的转置进行矩阵相乘以获得加速度关联矩阵；

空间卷积单元，用于将所述加速度关联矩阵输入卷积神经网络以获得特征图；

第二向量构造单元，用于从所述角度数据中截取在预定时间间隔的多个时间点上的角度数据，以获得由所述多个时间点上的角度数据组成的角度向量；

向量映射单元，用于将所述角度向量映射到所述特征图所在的高维特征空间中，以获得角度特征向量；

交叉熵损失函数值计算单元，用于计算所述角度向量与所述角度特征向量之间的交叉熵损失函数值；

分类损失函数值计算单元，用于将所述角度特征向量输入分类器以获得分类损失函数值；

训练单元，用于基于所述分类损失函数值、所述交叉熵损失函数值和所述角度数据的最大似然估计项的加权和，训练所述卷积神经网络和所述分类器；以及

预测模块，包括：

待预测数据单元，用于获取待预测数据，所述待预测数据包括由所述智能鞋的陀螺仪所采集的角度数据、由所述智能鞋的重力加速度计所采集的垂直加速度波形和由所述智能鞋的加速度传感器所采集的水平加速度波形；

预测特征图生成单元，用于将所述垂直加速度波形和所述水平加速度波形进行波形数据转化后通过经训练阶段训练完成的所述卷积神经网络，以获得预测特征图；

角度向量构造单元，用于从所述角度数据中截取在预定时间间隔的多个时间点上的角度数据，以获得由所述多个时间点上的角度数据组成的角度向量；

融合单元，用于将所述角度向量映射到所述特征图所在的高维特征空间中，以获得分类特征向量；以及

计步判定单元，用于将所述分类特征向量输入经训练阶段训练完成的分类器以获得分类结果，所述分类结果用于表示所述智能鞋的计步数是否加一。

2.根据权利要求1所述的智能鞋，其中，所述向量映射单元，用于将所述特征图与所述角度向量进行矩阵相乘以获得角度特征向量。

3.根据权利要求1所述的智能鞋，其中，所述分类损失函数值计算单元，进一步用于：将所述角度特征向量输入Softmax分类函数以获得分类结果；以及，计算所述分类结果与真实值之间的交叉熵损失函数值作为所述分类损失函数值。

4.根据权利要求1所述的智能鞋，其中，所述训练单元，进一步用于以如下公式计算所述分类损失函数值、所述交叉熵损失函数值和所述角度数据的最大似然估计项的加权和；

其中，所述公式为：

L₃＝α₁×L₁+α₂×L₂+α₃||θ||₂

其中，L₃是最终的损失函数值，L₁和L₂分别是所述分类损失函数值和所述交叉熵损失函数至，且||θ||₂是角度数据的二范数。

5.根据权利要求4所述的智能鞋，其中，α₁、α₂和α₃作为超参数参与到训练过程中。

6.根据权利要求1所述的智能鞋，其中，所述卷积神经网络为深度残差网络。

7.一种智能鞋的运行方法，其特征在于，包括：

训练阶段，包括：

获取训练数据，所述训练数据包括由所述智能鞋的陀螺仪所采集的角度数据、由所述智能鞋的重力加速度计所采集的垂直加速度波形和由所述智能鞋的加速度传感器所采集的水平加速度波形；

分别对所述训练数据中的所述垂直加速度波形和所述水平加速度波形进行傅里叶变换，以获得所述垂直加速度波形和所述水平加速度波形在各个谐波频率下的数值；

分别从所述垂直加速度波形和所述水平加速度波形在各个谐波频率下的数值中截取前N个谐波频率下的数值，以获得N维的垂直向量和N维的水平向量；

将所述垂直向量与所述水平向量的转置进行矩阵相乘以获得加速度关联矩阵；

将所述加速度关联矩阵输入卷积神经网络以获得特征图；

从所述角度数据中截取在预定时间间隔的多个时间点上的角度数据，以获得由所述多个时间点上的角度数据组成的角度向量；

将所述角度向量映射到所述特征图所在的高维特征空间中，以获得角度特征向量；

计算所述角度向量与所述角度特征向量之间的交叉熵损失函数值；

将所述角度特征向量输入分类器以获得分类损失函数值；以及

基于所述分类损失函数值、所述交叉熵损失函数值和所述角度数据的最大似然估计项的加权和，训练所述卷积神经网络和所述分类器；以及

预测阶段，包括：

获取待预测数据，所述待预测数据包括由所述智能鞋的陀螺仪所采集的角度数据、由所述智能鞋的重力加速度计所采集的垂直加速度波形和由所述智能鞋的加速度传感器所采集的水平加速度波形；

将所述垂直加速度波形和所述水平加速度波形进行波形数据转化后通过经训练阶段训练完成的所述卷积神经网络，以获得预测特征图；

从所述角度数据中截取在预定时间间隔的多个时间点上的角度数据，以获得由所述多个时间点上的角度数据组成的角度向量；

将所述角度向量映射到所述特征图所在的高维特征空间中，以获得分类特征向量；以及

将所述分类特征向量输入经训练阶段训练完成的分类器以获得分类结果，所述分类结果用于表示所述智能鞋的计步数是否加一。