[发明专利]基于运动特征参数的身份识别方法和系统

说明书

本发明公开了一种基于运动特征参数的身份识别方法和系统，通过采集运动者运动状态时的特征向量，通过数据学习建立运动者的身份特征模型，从而生成针对运动者的个人身份档案，有利于运动者准确的获取身份档案，并根据身份档案选择合适的运动状态，同时本发明可以通过采集运动者的运动数据通过身份特征模型对运动者进行身份识别。

技术领域

本发明涉及运动状态监测及生物识别技术领域，具体地说，是一种基于运动特征参数的身份识别方法和系统。

背景技术

关注运动健康，实时监测和获知健康数据已经成为人们日常追求健康生活的关注焦点之一。现有的技术中，通过各种穿戴设备采集人体各项生理数据，通过监测数据实时掌握用户当前各项生理参数，便于用户及时调整运动状态。

然而由于日常生活中有些穿戴设备可能被不同用户使用，不同用户的生理数据不同，采集到的数据也仅能作为参考，对于没有专业健康知识的用户无法准确判断和选择适合自己的运动状态。另一方面，穿戴设备记录的历史数据无法判断是否来源于同一个用户，因此基于历史数据生成的健康报告可能不准确。

发明内容

本发明的目的是针对现有技术中的不足，提供一种基于运动特征参数的身份识别方法和系统，通过采集运动者运动状态时的特征向量，通过数据学习建立运动者的身份特征模型，从而生成针对运动者的个人身份档案，有利于运动者准确的获取身份档案，并根据身份档案选择合适的运动状态，同时本发明可以通过采集运动者的运动数据通过身份特征模型对运动者进行身份识别。

为实现上述目的，本发明采取的技术方案是：一种基于运动特征参数的身份识别方法，包括以下步骤：

获取个体在若干个时间周期内的运动特征数据；

根据所述运动特征数据分别计算每个时间周期的运动特征向量；

根据所述运动特征向量构建所述个体的身份模型；

将运动员在某个时间周期内的运动特征向量与所述身份模型进行比对，计算身份契合度。

进一步地，所述一个时间周期为一个运动步幅所使用的时间。

进一步地，所述运动特征数据为运动时运动鞋内传感器获取的数据，包括：心率数据和脚底不同部位对运动鞋产生的若干压力数据集。

进一步地，所述计算运动特征向量包括：

根据所述心率数据计算相对步频的心率c₀,c₀＝pulse_rate×T,其中T为一个运动步幅所使用的时间，pulse_rate为所述心率数据；

根据所述若干压力数据集生成压力数据随所述时间周期内变化的若干动态曲线图；

分别从每一个动态曲线图中选取压力峰值、半峰值时间宽度和不同曲线峰值出现的相对时间；

根据所述压力峰值和半峰值时间宽度分别计算平均冲量和相对冲量，归一化压力渡越时间。

进一步地，所述根据所述运动特征向量构建所述个体的身份模型的步骤包括：

计算得到同一个体在若干个不同时间周期内的若干个运动特征向量；

累计所述不同时间周期的运动特征向量，计算运动特征向量的平均值作为初始身份模型；

获取新的运动特征向量，重新计算运动特征向量的平均值，更新身份模型。

进一步地，所述计算身份契合度包括：

分别采集计算需要验证身份的运动员在某个时间周期两只脚的运动特征向量，分别与身份模型进行比对，分别得到两个只脚的契合度；