[发明专利]一种基于神经网络的智能手环准确计步方法

说明书

本发明涉及一种基于神经网络的智能手环准确计步方法，包括提取运动时手环加速度传感器的数据，剔除非跨步行为造成的误差数据,将运动数据按照不同的步频分节；按照各个轴对最终加速度数据的贡献挑选出基本数据重新拟合用来计数，比对各个轴剩余数据的特征判断拟合数据代表真实步数的可能性。根据每段数据代表真实数据的可能性筛选拟合数据计算准确的步数；能够消除手环加速传感器在进行计步时产生的非跨步行为造成的误差收据，对加速度传感器中各轴统计的数据曲线进行从新拟合用来计步，判断各轴中运动的真实性，根据各轴的真实性在拟合曲线中统计出真实的步数，去除了因其它因素造成步数统计不准确的缺陷，提高了手环统计步数的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及基于神经网络的智能手环准确计步方法。

背景技术

随着社会的发展,人们越来越注重自己的健康,而步行和跑步又是一种方便有效的锻炼方式,这使得人们对精确计步的需求越来越大。人体步行和跑步时的动作信息可以通过佩戴的三轴加速度传感器获取,给获得的加速度加以适当的滤波后统计加速度波峰的数量即可计算出使用者的步数。

在手环上放置加速度传感器获取使用者步数的方式比较复杂，人腕步的动作只有再做重复性的规律运动时才能简化为简谐运动，加速度计实际使用中会受到各种因素的干扰，相比于腰部，手部的加速度不够稳定，手环的计步精度并不高。

当前通过对加速度计数据的波峰值和周期等参数设置阈值来排除干扰，但这种方法仅仅能够排除例如坐公交车、摇晃手机等其他加速度有明显区别的行为带来的加速度变化，很容易将手环在摇步器上的晃动误检为人的运动，从而无法获得真实准确的步数。现有技术通过衡量手环加速度数据中各个波峰的相似度来区分真实的运动和摇步器的晃动，但是这种方法难以确定相似度的阈值且很容易受到噪声的影响，当摇步器的晃动频率变动时波峰的相似度就会降低，此时计步算法就无法判断是否为真实的运动数据。

发明内容

为解决上述的技术问题本申请提供一种手环加速度传感器的数据进行拆分提取，按照各个轴的数据对加速度的贡献挑选数据重新拟合加速度，对比各个轴剩余数据的不同成分来衡量拟合数据代表真实运动的可能性，统计代表真实运动数据的波峰数量得到准确的步数的基于神经网络的智能手环准确计步方法：

本申请是通过以下技术方案实现的，一种基于神经网络的智能手环准确计步方法，其特征在于，包括：

分别提取手环加速度传感器中x轴、y轴、z轴运动数据曲线图，通过x轴、y轴、z轴运动数据曲线图获取加速度传感器的真实加速度a曲线图；利用真实加速度a曲线图中的极值将真实加速度a曲线图进行分段，删除因非跨步造成的误差数据，并对删除误差数据后的真实加速度a曲线图按照步频进行分节；

获取真实加速度a曲线的拟合曲线，将拟合曲线与拟合前的曲线进行对比，将对比后的重复点按照高频、中频和低频进行标记；

将分节后的真实加速度a曲线图的步频节对应到加速传感器的x轴、y轴、z轴运动数据曲线图中，对加速传感器的x轴、y轴、z轴进行分节，分别获取加速传感器的x轴、y轴、z轴每小节的振幅-频率曲线；

在加速传感器的x轴、y轴、z轴的振幅-频率曲线上选取与标记的高频、中频和低频对应的点，根据选取的点得到拟合后的加速度曲线-拟合a序列；

提取加速度传感器中x轴、y轴、z轴运动数据曲线图中的波峰，获取当前波峰的尺度；

按照获取的波峰尺度对加速度传感器中x轴、y轴、z轴上的波峰宽度进行分段；

获取每段中的成分向量，利用该获取每段的成分向量得到加速度传感器中x轴、y轴、z轴中每一轴上相邻两段的相似度和加速度传感器中x轴、y轴、z轴同一位置中两段之间的相似度，并将获取的相似度与设定的阈值进行对比，当该相似度大于阈值时，在x轴、y轴、z轴的投影轴上在分段对应的位置上进行数字标记，得到热度轴；