[发明专利]基于卷积神经网络的计步方法、装置及可读存储介质

说明书

本申请公开了一种基于卷积神经网络的计步方法、装置及可读存储介质，所述基于卷积神经网络的计步方法应用于计步装置，所述计步装置设有基于卷积神经网络的去噪模型，所述基于卷积神经网络的计步方法包括：获取当前加速度信号，所述当前加速度信号由加速度传感器采集得到；根据所述去噪模型对所述当前加速度信号进行去噪处理，以得到所述当前加速度信号对应的运动状态以及去噪后的加速度信号；根据去噪后的所述加速度信号以及所述运动状态获取计步信息。本申请通过去噪模型消除了加速度传感器的检测误差以及计步装置与用户之间产生的随机运动误差，提高了步数统计的准确性。

技术领域

本申请涉及计步技术领域，尤其涉及一种基于卷积神经网络的计步方法、装置及可读存储介质。

背景技术

现有技术中，智能穿戴设备如智能手环、智能手表等以及移动终端如手机等通过内置的加速度传感器采集加速度数据，并通过计步检测算法如过零点检测、平坦区域检测、峰值检测等对加速度数据进行计算得到用户的步数，但采集加速度数据的传感器本身存在测量误差，并且在运动过程中会引入随机振动噪声(干扰)如智能穿戴设备与用户手腕的相对振动会对加速度数据检测产生干扰，导致检测到达的加速度数据不准确，最终导致步数统计不够准确。

发明 内容

本申请实施例通过提供一种基于卷积神经网络的计步方法，旨在解决现有技术中加速度数据检测不准确，导致步数统计不够准确的问题。

本申请实施例的提供一种基于卷积神经网络的计步方法，所述基于卷积神经网络的计步方法应用于计步装置，所述计步装置设有基于卷积神经网络的去噪模型，所述基于卷积神经网络的计步方法包括：

获取当前加速度信号，所述当前加速度信号由加速度传感器采集得到；

根据所述去噪模型对所述当前加速度信号进行去噪处理，以得到所述当前加速度信号对应的运动状态以及去噪后的加速度信号；

根据去噪后的所述加速度信号以及所述运动状态获取计步信息。

进一步地，所述根据所述去噪模型对所述当前加速度信号进行去噪处理的步骤之前包括：

根据预设的频率阈值对所述当前加速度信号进行滤波处理。

进一步地，所述根据预设的频率阈值对所述当前加速度信号进行滤波处理的步骤之后包括：

对滤波后的所述当前加速度信号进行归一化处理。

进一步地，所述根据所述去噪模型对所述当前加速度信号进行去噪处理，以得到所述当前加速度信号对应的运动状态以及去噪后的加速度信号的步骤包括：

将所述当前加速度信号作为输入数据输入所述去噪模型的输入层；

获取所述去噪模型的全连接层输出的输出数据以得到所述当前加速度信号对应的运动状态以及去噪后的加速度信号；

其中，所述去噪模型包括两层卷积神经网络层，并包括依次连接的输入层、第一卷积及激活层、第一池化层、第一局部归一化层、第一Dropout层、第二卷积及激活层、第二池化层、第二局部归一化层、第二Dropout层以及全连接层，所述去噪模型以足部的加速度信号作为训练标签训练得到。

进一步地，所述去噪模型以足部的加速度信号作为训练标签训练得到的步骤包括：

获取训练集数据，其中，所述训练集数据包括多种运动状态的加速度信号，且每一所述运动状态均对应设置有多组加速度信号；

获取不同运动状态下足部的加速度信号，作为所述去噪模型的训练标签；

在模型训练过程中，以所述训练集数据中多组加速度信号作为输入数据，并以同种运动状态下的足部的加速度信号作为输出数据进行模型训练；