[发明专利]异常计步识别方法、计步方法、装置、设备及介质

说明书

本发明涉及大数据的数据处理领域，提供一种异常计步识别方法、计步方法、装置、设备及介质，方法包括：通过获取采集数据；将X轴数据、Y轴数据和Z轴数据进行三轴加速度矢量合成处理，生成三轴合成数据；对三轴合成数据进行滤波处理得到待计步数据，并通过计步模型计算待计步数据中的步数得到当前步数；通过强条件异常识别模型进行周期性异常识别，得到强条件识别结果，同时获取与传感器区分标识对应的弱条件异常识别模型，通过弱条件异常识别模型进行能量异常识别，得到弱条件识别结果；在强条件识别结果和弱条件识别结果均为异常时，确定当前步数确定为异常步数。本发明实现准确地识别出异常步数，提高了识别准确率，避免虚假计步。

技术领域

本发明涉及大数据的数据处理领域，尤其涉及一种异常计步识别方法、计步方法、装置、设备及介质。

背景技术

随着移动通信产业的发展，智能移动终端已经成为人们必不可少的移动通信工具。目前，终端计步服务就是基于移动终端内部加速度传感器或陀螺仪开发的功能，终端统计计步信息的同时，从各个维度分析用户的运动情况(如：热量消耗，运动类型等)，移动终端上的运动健康类APP受到用户广泛喜爱。

为鼓励用户建立健康的生活习惯，定时完成运动任务，部分APP根据移动终端计步结果给予用户一定奖励或进行排名，这导致部分没有运动习惯的用户通过虚假计步的方式获取奖励，最常见的方式是使用摇步装置增加步数，这种方式不仅伪造了虚假运动数据，还影响APP数据采集的准确性与可靠性，同时也导致奖励分配不公平等不良影响。

发明内容

本发明提供一种异常计步识别、计步方法、装置、计算机设备及存储介质，实现了准确地识别出异常步数，提高了异常步数识别准确率，避免了虚假计步的情况出现，并且准确地反映真实的步数，提升了真实步数的真实性和可靠性，提高了计步的准确率，提升了用户的体验满意度。

一种异常计步识别方法，包括：

获取采集数据；所述采集数据为在预设时间段内从计步传感器采集的数据，所述采集数据包括传感器区分标识、X轴数据、Y轴数据和Z轴数据；

将所述X轴数据、所述Y轴数据和所述Z轴数据进行三轴加速度矢量合成处理，生成三轴合成数据；

对所述三轴合成数据进行滤波处理，得到待计步数据，并通过计步模型计算所述待计步数据中的步数，得到当前步数；

通过强条件异常识别模型对所述待计步数据进行周期性异常识别，得到强条件识别结果，同时获取与所述传感器区分标识对应的弱条件异常识别模型，通过获取的所述弱条件异常识别模型对所述X轴数据、所述Y轴数据和所述Z轴数据进行能量异常识别，得到弱条件识别结果；

在所述强条件识别结果和所述弱条件识别结果均为异常时，确定所述当前步数确定为异常步数。

一种计步方法，包括：

接收到计步请求，获取当天从计步传感器采集的原始数据；所述原始数据包括原始总步数和原始步数数据；

将所述原始步数数据划分成预设时间间隔的单元步数数据；

通过上述的异常计步识别方法对各所述单元步数数据进行识别，识别出与各所述单元步数数据一一对应的识别结果；

将识别出所有所述识别结果中的所有异常步数进行汇总，得到异常总步数；

将所述原始总步数与所述异常总步数相减，得到真实步数。

一种异常计步识别装置，包括：

获取模块，用于获取采集数据；所述采集数据为在预设时间段内从计步传感器采集的数据，所述采集数据包括传感器区分标识、X轴数据、Y轴数据和Z轴数据；

合成模块，用于将所述X轴数据、所述Y轴数据和所述Z轴数据进行三轴加速度矢量合成处理，生成三轴合成数据；