[发明专利]基于个人运动机能指数PAI的体重预测方法、装置和设备

权利要求书

1.一种基于个人运动机能指数的体重预测方法，其特征在于，包括：

获取预设时间段内的个人运动机能指数PAI和智能佩戴设备采集的历史生理数据；

对所述历史生理数据和所述个人运动机能指数PAI进行标准化和序列化处理，获取生理特征向量时间序列；

通过已训练的体重预测模型对所述生理特征向量时间序列进行计算，获取目标时间段的预测体重。

2.如权利要求1所述的基于个人运动机能指数的体重预测方法，其特征在于，所述对所述历史生理数据和所述个人运动机能指数PAI进行标准化和序列化处理，获取生理特征向量时间序列，包括：

获取所述历史生理数据中的分类特征数据，对所述分类特征数据进行编码，获取分类特征向量；

获取所述历史生理数据中的数值特征数据，通过归一化公式对所述数值特征数据和所述个人运动机能指数PAI进行归一化处理，获取数值特征向量；

将所述分类特征向量和所述数值特征向量组合成所述生理特征向量时间序列。

3.如权利要求2所述的基于个人运动机能指数的体重预测方法，其特征在于，在所述通过归一化公式对所述数值特征数据和所述个人运动机能指数PAI进行归一化处理之前，还包括：

获取所述历史生理数据中的活动量数据；

通过变换公式对所述活动量数据和所述个人运动机能指数PAI进行变换处理。

4.如权利要求1所述的基于个人运动机能指数的体重预测方法，其特征在于，还包括：

从所述历史生理数据中获取静息心率和最大心率；

通过校正公式根据所述静息心率和所述和最大心率对所述个人运动机能指数PAI进行计算。

5.如权利要求1所述的基于个人运动机能指数的体重预测方法，其特征在于，在所述通过已训练的体重预测模型对所述生理特征向量时间序列进行计算，获取目标时间段的预测体重之前，还包括：

获取多个时间周期的个人运动机能指数PAI样本和生理数据样本；

对所述生理数据和所述个人运动机能指数PAI进行处理，获取多组特征向量时间序列；

将所述多组特征向量时间序列输入到神经网络进行训练，定义损失函数为真实体重与模型预测体重的差值平方，采用随机梯度下降法用于通过所述损失函数根据所述训练预测体重和真实体重对所述神经网络参数进行调整，生成所述体重预测模型。

6.一种基于个人运动机能指数的体重预测装置，其特征在于，包括：

第一获取模块，用于获取预设时间段内的个人运动机能指数PAI和智能佩戴设备采集的历史生理数据；

第一处理模块，用于对所述历史生理数据和所述个人运动机能指数PAI进行标准化和序列化处理，获取生理特征向量时间序列；

第二处理模块，用于通过已训练的体重预测模型对所述生理特征向量时间序列进行计算，获取目标时间段的预测体重。

7.如权利要求6所述的基于个人运动机能指数的体重预测装置，其特征在于，所述第一处理模块，具体用于：

获取所述历史生理数据中的分类特征数据，对所述分类特征数据进行编码，获取分类特征向量；

获取所述历史生理数据中的数值特征数据，通过归一化公式对所述数值特征数据和所述个人运动机能指数PAI进行归一化处理，获取数值特征向量；

将所述分类特征向量和所述数值特征向量组合成所述生理特征向量时间序列。

8.如权利要求7所述的基于个人运动机能指数的体重预测装置，其特征在于，还包括：

第二获取模块，用于获取所述历史生理数据中的活动量数据；

变换模块，用于通过变换公式对所述活动量数据和所述个人运动机能指数PAI进行变换处理。

9.如权利要求6所述的基于个人运动机能指数的体重预测装置，其特征在于，还包括：

第三获取模块，用于从所述历史生理数据中获取静息心率和最大心率；

校正模块，用于通过校正公式根据所述静息心率和所述和最大心率对所述个人运动机能指数PAI进行计算。