[发明专利]一种动作分类方法、装置、存储介质及终端设备

权利要求书

1.一种动作分类方法，其特征在于，包括：

获取第一传感器数据和第二传感器数据并进行数据预处理和特征提取处理得到第一特征数据和第二特征数据；

根据第一特征数据、第二特征数据和标签数据训练得到第一维度分类器和第二维度分类器；

根据第一维度分类器和第二维度分类器进行交叉迭代预测伪标签数据并更新模型，当第一维度分类器和第二维度分类器对未标签数据的预测结果不变，则训练结束；

所述第一传感器数据为动作传感器数据，所述第二传感器数据为心电传感器数据，所述第一特征数据为动作特征数据，所述第二特征数据为心电特征数据，所述第一维度分类器为动作维度分类器，所述第二维度分类器为心电维度分类器；

所述根据第一特征数据、第二特征数据和标签数据训练得到第一维度分类器和第二维度分类器，包括，

根据标签好的第一传感器数据样本训练出得到第一维度分类器；

用第一维度分类器预测未标签的样本，对分类准确率大于预设阈值的样本打上第一伪标签；

用标签好的第二传感器数据和第一伪标签数据一起训练得到第二维度分类器；

所述根据第一维度分类器和第二维度分类器进行交叉迭代预测伪标签数据并更新模型，当第一维度分类器和第二维度分类器对未标签数据的预测结果不变，则训练结束，包括：

用第二维度分类器预测未标签的样本，对分类准确率大于预设阈值的样本打上第二伪标签,用标签好的第一传感器数据和第二伪标签数据一起训练得到更新第一维度分类器；

用更新的第一维度分类器预测未标签的样本，对分类准确率大于预设阈值的样本打上第一伪标签，则用标签好的第二传感器数据和第一伪标签数据一起训练得到更新第二维度分类器；

用更新第二维度分类器预测未标签的样本，对分类准确率大于预设阈值的样本打上第二伪标签，用标签好的第一传感器数据和第二伪标签数据一起训练得到更新第一维度分类器；

重复更新第一维度分类器和第二维度分类器，当全部未标签样本打上伪标签并且第一维度分类器和第二维度分类器对未标签样本的预测结果不再发生变化则协同训练结束。

2.根据权利要求1所述的一种动作分类方法，其特征在于，所述得到动作特征数据的步骤包括，

对序列动作传感器数据进行窗口化重叠采样处理得到动作传感器窗口数据；

对动作传感器窗口数据进行滑动窗口滤波处理得到去噪动作传感器窗口数据；

对去噪动作传感器窗口数据提取姿态角特征；

对去噪动作传感器窗口数据用滑动窗口滤波进行去重力处理后提取统计学特征；

合并姿态角特征和统计学特征作为每一个动作传感器窗口数据的特征，得到动作特征数据。

3.根据权利要求1所述的一种动作分类方法，其特征在于，所述得到心电特征数据的步骤包括，

对序列心电传感器数据进行窗口化重叠采样处理得到心电传感器窗口数据；

根据心电传感器窗口数据计算R-R间期，确定R-R间期心电传感器窗口数据；

根据R-R间期心电传感器窗口数据计算心率变异性特征，将心率变异性特征作为每一个心电传感器窗口数据的特征，得到心电特征数据。