申请/专利权人:新绎健康科技有限公司
申请日:2021-07-27
公开(公告)日:2024-04-19
公开(公告)号:CN113762072B
主分类号:G06F18/213
分类号:G06F18/213;G06F18/24;G06N3/0464;A61B5/11
优先权:
专利状态码:有效-授权
法律状态:2024.04.19#授权;2021.12.24#实质审查的生效;2021.12.07#公开
摘要:本发明公开了一种基于互相关性的对步态信号进行识别方法及系统,其中方法包括:获取多个目标对象的步态信号数据,所述步态数据包括X轴、Y轴和Z轴加速度信号;将每个目标对象在预定期间内的步态信号数据确定为一个步态信号数据样本;计算步态信号数据样本中的步态信号数据与相邻的步态信号数据在X轴、Y轴和Z轴加速度信号之间的互相关性特征;基于步态信号数据以及步态信号数据的互相关性特征训练卷积神经网络模型,基于训练后的卷积神经网络模型对目标对象的步态信号进行识别。
主权项:1.一种基于互相关性的对步态信号进行识别方法,所述方法包括:获取多个目标对象的步态信号数据,所述步态数据包括X轴、Y轴和Z轴加速度信号;将每个目标对象在预定期间内的步态信号数据确定为一个步态信号数据样本;计算步态信号数据样本中的步态信号数据与相邻的步态信号数据在X轴、Y轴和Z轴加速度信号之间的互相关性特征,包括:对所述数据样本中的步态信号数据进行去均值处理,获取处理后的步态信号数据矩阵;通过滑动窗口方法将处理后的步态信号数据矩阵分割为大小均匀的矩阵,计算每次取到的滑动窗口中步态信号数据在X轴、Y轴和Z轴加速度信号之间的互相关性特征;所述对所述数据样本中的步态信号数据进行去均值处理,公式: 其中,表示数据样本矩阵,表示数据样本矩阵中每一列的平均值,σi表示数据样本矩阵中每一列数据的标准差,L为数据样本矩阵长度;计算分割后的每一个矩阵中每一行的平均值: 其中:j=1,2,3,L表示滑动窗口大小; 其中,表示第m行数据和第n行数据之间的互相关性特征,m,n=1,2,3,m≠n,e=1为计算连续两个数据点之间的特征信息,为第n行数据平均值,为第m行数据平均;第i列步态信号数据的互相关特征用Mi表示,即:Mi=M1,2,M1,3,M2,1,M2,3,M3,1,M3,2此时,每一列信号得到6个特征,每一个样本数据的互相关特征用M表示,即:M=M1,M2,M3,...,ML;基于步态信号数据以及步态信号数据的互相关性特征训练卷积神经网络模型,基于训练后的卷积神经网络模型对目标对象的步态信号进行识别。
全文数据:
权利要求:
百度查询: 新绎健康科技有限公司 一种基于互相关性的对步态信号进行识别的方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。