[发明专利]一种基于步态信息的运动识别和疲劳检测方法及系统

说明书

本发明公开了一种基于步态信息的运动识别和疲劳检测方法及系统，该方法包括：采集用户的当前步态信息；将当前步态信息进行数据处理并根据若干个预设的运动识别与疲劳分类模型识别出用户当前的运动行为以及用户当前是否处于疲劳状态的若干个分类结果，预设的运动识别与疲劳分类模型是将用户在非疲劳状态和疲劳状态下进行若干类运动行为时的步态信息作为样本数据，并应用于机器学习中的基于集成学习的投票分类算法训练生成的；将若干个分类结果按照“少数服从多数”的原则获取到用户当前的运动行为以及用户当前是否处于疲劳状态的最终结果。通过本发明所述方法降低了在不同运动下用户疲劳状态带来的受伤风险以及提高了运动识别和疲劳检测的准确性。

技术领域

本发明属于健康检测领域，尤其涉及一种基于步态信息的运动识别和疲劳检测方法及系统。

背景技术

当人体处于疲劳状态时，下肢肌肉疲劳会降低肌肉发力能力，影响关节处肌肉的反应能力，抑制神经反馈及合作，并引起下肢力学的变化量下降，从而增加摔倒或前交叉韧带损伤的风险。因此，检测人体疲劳程度能有效降低人们(尤其是老人、运动员、消防员、高空作业者和在康复训练中的病人)因摔倒或过劳损伤导致的生活、工作和运动事故的发生。

人体是否疲劳在日常生活中通常靠自我主观判断，但这种方法缺乏客观性，且若达到生理极点后，会产生不疲劳的错觉，从而对身体和工作造成安全隐患。

同时，目前的疲劳检测系统并不能识别用户正在进行的活动。并且在不同的活动下，疲劳对人体的影响不同，比如在下楼的时候，若身体处于疲劳状态，会比在疲劳状态下步行承受更大的风险。

发明内容

本发明提出了一种基于步态信息的运动识别和疲劳检测方法及系统，在进行疲劳检测的同时能够识别出用户当前的运动状态，以降低在不同运动下用户疲劳状态带来的受伤风险，还提高了疲劳检测的精度，以解决传统的疲劳状态判断方式下存在的主观判断问题。

一方面，本发明提供了一种基于步态信息的运动识别和疲劳检测方法，方法包括：

步骤1：采集用户的当前步态信息；

步骤2：对步骤1采集的当前步态信息进行数据处理，并根据若干个预设的运动识别与疲劳分类模型对处理后的数据进行识别，识别出用户当前的运动行为以及用户当前是否处于疲劳状态的若干个分类结果；

其中，一个运动识别与疲劳分类模型对应一类当前步态信息，一个运动识别与疲劳分类模型对应一个分类结果；

若干个预设的运动识别与疲劳分类模型是将用户在非疲劳状态和疲劳状态下进行若干类运动行为时的步态信息作为样本数据并进行预处理，并将预处理后的样本数据应用于机器学习中的基于集成学习的投票分类算法训练生成的；

步骤3：将若干个分类结果按照“少数服从多数”的原则获取到用户当前的运动行为以及用户当前是否处于疲劳状态的最终结果。

优选地，在构建所述述若干个预设的运动识别与疲劳分类模型的过程，对样本数据进行预处理，包括：

根据步态信息中数据的周期性变化规律对样本数据进行步态周期划分；

根据样本数据中的数据类型对划分后的样本数据集划分若干子数据集；

根据十等分分层随机分割交叉验证方法分别将若干子数据集划分为训练集和测试集，并将训练集和测试集中的数据除以相对应数据集中的最大值以得到包含标准化输入数据的训练集和测试集；

其中，标准化输入数据的大小在-1到1的范围内。

优选地，将预处理后的样本数据应用于机器学习中的基于集成学习的投票分类算法训练生成若干个预设的运动识别与疲劳分类模型，包括：