[发明专利]一种健康预测模型大数据训练的动作决策方法和装置

说明书

本说明书实施例提供一种健康预测模型大数据训练的动作决策方法，训练健康状态预测模型，预测用户的健康状态上升空间，输入到预先构建的动作决策模型进行决策，输出动作策略引导用户运动，并对用户运动时的动作进行识别，比较引导运动的动作策略和实时识别出的动作，计算动作执行偏差，根据其调整动作决策模型，用调整后的动作决策模型基于健康状态上升空间输出动作策略。通过针对每个预测健康状态上升空间，兼顾每个用户的实际情况进行决策，得到针对性的动作策略后根据执行的偏差调整动作决策模型再进行决策，由于执行偏差反映了用户的执行情况和偏好的动作方式，因而调整之后的动作策略与用户匹配度更高，有助于实现健康状态，引导效果更好。

技术领域

本申请涉及计算机领域，尤其涉及一种健康预测模型大数据训练的动作决策方法、装置和电子设备。

背景技术

随着生活水平的提高，越来越多的人开始重视身体健康，有些人通过饮食调节来保持身体健康状态，有些人通过运动的方式保持身体健康，目前，市面上出现了许多体操app，通过视频演示的方式引导用户进行动作训练，从而达到锻炼身体保持身体健康的目的。

然而，目前引导用户运动的方式，本质上是设置的固定的运动方案，用户只能被动地接收这些固定化的运动方案，这些方案往往与用户本身的状态不匹配，导致最终引导效果较差。

因此，有必要提供一种匹配度高的方法，来进行动作决策。

发明内容

本说明书实施例提供一种健康预测模型大数据训练的动作决策方法、装置和电子设备，用以提高运动策略与用户的匹配度提升引导效果。

本说明书实施例提供一种智能预测模型的运动引导方法，包括：

训练健康状态预测模型，利用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到预先构建的动作决策模型中进行决策，输出动作策略；

利用所述动作策略进行动作展示，引导用户运动，并对所述用户运动时的动作进行识别；

比较引导运动的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。

可选地，所述对所述用户运动时的动作进行识别，包括：

获取样本用户运行时的肌电信号和对应的动作信息，根据动作信息为肌电信号设置动作类型、力度和速度标签，利用设置的标签训练肌电动作识别模型，识别用户运动时的动作类型、力度和速度；

所述计算动作执行偏差，包括：

根据动作类型、力度和速度计算动作执行偏差。

可选地，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。