[发明专利]一种运动行为模式分类方法、系统以及装置

权利要求书

1.一种运动行为模式分类方法，其特征在于，包括：

S1，确定备选运动行为模式，所述备选运动行为模式包括待分类运动行为模式；

S2，通过运动控制传感器获取关于所述备选运动行为模式的行为数据的时间序列；

S3，通过所述时间序列建立LSTM运动行为模式分类模型；

S4，基于所述LSTM运动行为模式分类模型，利用迭代过程来预测待分类运动行为模式，具体包括如下步骤：

设置时间变量T的初始值为T₁，T₁≤T≤T₂，T₁>0,T₂>T₁，递增步长设置为Δt，Δt>0，所述T在递增的过程中执行下述步骤s41至s44：

s41，判断T是否大于T₂，若T>T₂，进入步骤s44，若T＝T₂，输出预测结果Res，进入步骤s44，否则进入步骤s42；

s42，基于所述LSTM运动行为模式分类模型，分别利用所述待分类运动行为模式的行为数据在T时间内序列和T+Δt时间内序列进行预测，得到预测结果Res₁和Res₂；

s43，比较所述预测结果Res₁和Res₂，若一致，输出一致的预测结果，否则，记录目前预测概率最高的预测结果Res，T＝T+Δt；

s44，结束。

2.根据权利要求1所述的运动行为模式分类方法，其特征在于，所述S1中的备选运动行为模式包括静态站立、前进、后退、跳跃、左移和右移6种。

3.根据权利要求1所述的运动行为模式分类方法，其特征在于，所述S2包括：通过人鞋垫中的压力传感器来采集关于所述备选运动行为模式的行为数据的时间序列。

4.根据权利要求3所述的运动行为模式分类方法，其特征在于，所述压力传感器部署在单只鞋垫中的个数为3个，所述T₁＝0.1s,T₂＝1s，Δt＝0.1s。

5.根据权利要求1所述的运动行为模式分类方法，其特征在于，所述S2包括通过：

采用最大最小值归一化方法对所述行为数据的时间序列进行预处理。

6.根据权利要求1所述的运动行为模式分类方法，其特征在于，所述S3包括：

s31，对所述时间序列标注其所对应的运动行为模式；

s32，将所述时间序列按预设比例分为训练数据集和预测数据集；

s33，将所述训练数据集的数据作为训练数据，基于LSTM网络，并采用神经网络优化器，建立所述LSTM运动行为模式分类模型。

7.根据权利要求6所述的运动行为模式分类方法，其特征在于，还包括：

将所述预测数据集的数据输入到所述LSTM运动行为模式分类模型中进行预测得到预测结果与所述预测数据对应的运动行为模式进行比较，判断所述LSTM运动行为模式分类模型的进行预测的准确性。

8.根据权利要求1至7任一所述的运动行为模式分类方法，其特征在于，所述LSTM运动行为模式分类模型采用N*S的样本矩阵作为输入，由3个LSTM层组成，每层有64个隐藏单元，最后经过一个全连接层作为输出，并采用Adam优化器，学习率设定为0.0025，批量大小设置为1500，其中，N表示传感器数目，S表示单个传感器信号数据的序列长度。

9.一种运动行为模式分类系统，其特征在于，包括运动控制传感器和计算机装置，所述计算机装置的包括存储器和处理器，所述存储器存储有至少一段程序，所述程序由所述处理器执行以实现如权利要求1至8任一所述的运动行为模式分类方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一段程序，所述至少一段程序由处理器执行以实现如权利要求1至8任一所述的运动行为模式分类方法。