[发明专利]基于肌电动作智能识别的视频展示方法和装置

权利要求书

1.一种基于肌电动作智能识别的视频展示方法，其特征在于，包括：

训练健康状态预测模型，利用所述健康状态预测模型为用户预测用户的健康状态上升空间，将所述用户的健康状态上升空间输入预先构建的动作决策模型进行决策，输出动作策略；

利用所述动作策略向用户展示动作视频，并利用用户身上佩戴的肌电信号实时采集器采集肌电信号，利用预先构建的肌电动作识别智能模型根据采集的肌电信号预测用户产生的动作序列；

调用所述动作决策模型结合识别出的动作和所述用户的健康状态上升空间持续更新输出动作策略实时展示动作视频。

2.根据权利要求1所述的方法，其特征在于，所述调用所述动作决策模型结合识别出的动作和所述用户的健康状态上升空间持续更新输出动作策略，包括：

比较动作策略和实时识别出的动作，计算动作执行偏差，根据所述动作执行偏差调整动作决策模型，并利用调整后的动作决策模型基于所述用户的健康状态上升空间输出动作策略。

3.根据权利要求2所述的方法，其特征在于，所述训练健康状态预测模型，包括：

搭建具有第一输入项通道的健康状态预测模型、具有第一输入项通道和第二输入项通道的辅助矫正模型，所述辅助矫正模型的中间层和输出层与健康状态预测模型相同；

采集样本用户的多种生理属性信息，并根据所述生理属性信息的采集频率分为第一输入项信息集合和第二输入项信息集合，其中所述第二输入项信息集合的采集频率低于所述第一输入项信息集合；

将所述第一输入项信息集合和第二输入项信息集合输入到所述辅助矫正模型，得到第一函数值，并根据输出的第一函数值对所述辅助矫正模型进行迭代训练；

将所述第一输入项信息集合输入到健康状态预测模型，得到第二函数值，根据所述第一函数值相比于所述第二函数值的偏差对所述健康状态预测模型进行训练；

获取对用户采集的第一输入项信息，利用所述健康状态预测模型对所述用户的健康状态进行预测，得到用户的健康状态上升空间。

4.根据权利要求2所述的方法，其特征在于，所述将所述用户的健康状态上升空间输入预先构建的动作决策模型进行决策，包括：

获取样本用户的动作信息和对应的健康状态变化数据，构造激励函数，利用所述样本用户的动作信息和对应的健康状态变化数据对激励函数进行强化学习，生成动作空间，结合强化学习出的激励函数构造动作决策模型；

所述动作决策模型在所述动作空间中进行搜索，根据搜索到的点生成动作策略，计算所述动作策略的激励函数值，并进行迭代，直至计算出的激励函数值满足预设条件，输出动作策略。

5.根据权利要求4所述的方法，其特征在于，所述动作决策模型在所述动作空间中进行搜索，根据搜索到的点生成动作策略，计算所述动作策略的激励函数值，并进行迭代，包括：

在所述动作空间中生成粒子群，以各粒子为点进行并发搜索，比较所述粒子群搜索到的动作策略，计算各动作策略的激励函数值，并比较，得到局部最优的动作策略，进行迭代后，得到全局最优的动作策略。

6.根据权利要求1所述的方法，其特征在于，所述第二输入项信息包括:医院体检项目信息，所述第一输入项信息包括：应用程序采集的全天运动步数信息、通过配餐冰箱采集的摄入食物信息、皮肤状态信息、体温、体重、心率、睡眠状态信息和肺活量信息。

7.根据权利要求6所述的方法，其特征在于，还包括：

自动采集入眠后的呼声和呓语信息，根据呼声和呓语信息评估睡眠状态。

8.一种电子设备，其中，该电子设备包括：

处理器；以及，

存储计算机可执行程序的存储器，所述可执行程序在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。

9.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1-7中任一项所述的方法。