[发明专利]加速度识别方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种加速度识别方法、装置、计算机设备及存储介质，包括下述步骤：获取目标用户的多个加速度信息；根据预设的数组生成规则和所述多个加速度信息生成加速度数组矩阵；将所述加速度数据矩阵输入到预设的加速度判断模型中；获取所述加速度判断模型输出的分类结果。通过可穿戴设备收集目标用户的加速度信息，由于可穿戴设备能够实时的对用户的加速度信息进行采集，且不占用用户空间且价格低廉，因此更适合对用户的行为进行检测判断。将收集的加速度信息转化生成加速度数组矩阵，然后将该加速度数组矩阵输入到训练至收敛的神经网络模型，通过神经网络模型的分类结果识别用户的用户行为。

技术领域

本发明实施例涉及模型算法领域，尤其是一种加速度识别方法、装置、计算机设备及存储介质。

背景技术

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理。

目前许多通过图像识别分析用户行为的方法。它们大多应用在摄像头固定的场景下，并主要采用前景提取方法来获取人体轮廓，然后，根据图像分类的方法判断人们的行为。但是，采用固定摄像头意味着需要在用户每个可能出现的活动空间，都安装监控设备才能保证对于人们的行为进行全面监控，而在家或者在人们可能前往的室外环境均安装摄像头进行实时拍摄成本过高，也无法保证用户的隐私权。而采用移动式摄像头，例如机器人，实时对用户进行跟踪拍摄，同样也存在续航和成本高昂的问题。

发明内容

本发明实施例提供一种便捷的通过检测用户加速度而判断用户行为的加速度识别方法、装置、计算机设备及存储介质。

为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种加速度识别方法，包括下述步骤：

获取目标用户的多个加速度信息；

根据预设的数组生成规则和所述多个加速度信息生成加速度数组矩阵；

将所述加速度数据矩阵输入到预设的加速度判断模型中，其中，所述加速度判断模型为预先训练至收敛用于判断加速度表征的用户行为的神经网络模型；

获取所述加速度判断模型输出的分类结果，其中，所述分类结果为所述目标用户的用户行为。

可选地，所述分类结果为目标用户是否跌倒，所述加速度判断模型为预先训练至收敛，用于根据所述多个加速度信息判断目标用户是否跌倒的神经网络模型。

可选地，所述获取目标用户的多个加速度信息的步骤，包括下述步骤：

检测目标用户的运动加速度是否发生变化；

当所述运动加速度发生变化时，根据预设的时间间隔依次获取多个运动加速度。

可选地，所述数组生成规则为根据获取时间的先后顺序，将所述多个运动加速度依次写入预设的矩阵模板，所述根据预设的数组生成规则和所述多个加速度信息生成加速度数组矩阵的步骤，包括下述步骤：

获取预设的矩阵模板；

将所述多个运动加速度按获取时间的先后次序依次写入所述矩阵模板生成所述加速度数组矩阵。

可选地，当所述分类结果为目标用户跌倒时，所述获取所述加速度判断模型输出的分类结果的步骤之后，还包括下述步骤：

获取预设的关联终端的通讯信息；

根据所述通讯信息向所述关联终端发送预设的警示信息，以提醒所述关联终端的用户目标用户发生跌倒。

可选地，当所述分类结果为目标用户跌倒时，所述获取所述加速度判断模型输出的分类结果的步骤之后，还包括下述步骤：

获取所述目标用户的病例信息；