[发明专利]基于云数据库和改进集成学习的手杖运动分析系统及方法

权利要求书

1.基于云数据库和改进集成学习的手杖运动分析系统，其特征在于，包括：智能手杖、云端数据库和远程智能终端；所述智能手杖和远程智能终端通过HTTP协议分别连接云端数据库；

所述智能手杖包括：手杖本体和安装在手杖本体上的控制中心系统板、姿态传感器、便携式移动Wi-Fi模块和电源模块，所述手杖本体的上部和下部各设置一个姿态传感器以采集三轴的加速度信息和三轴的角速度信息，合并后构成十二维的加速度、角速度信息；

所述控制中心系统板集成有中央处理器、Wi-Fi接收模块、输入输出扩展口和USB接口，中央处理器分别连接Wi-Fi接收模块、输入输出扩展口和USB接口；所述控制中心系统板通过USB接口连接电源模块；所述中央处理器通过输入输出扩展口连接两个姿态传感器，对十二维的加速度、角速度信息进行实时分类计算；Wi-Fi接收模块接收便携式移动Wi-Fi模块或环境中的无线网络发出的Wi-Fi信号，并将中央处理器的分类结果和时间信息上传到云端数据库；便携式移动Wi-Fi模块与电源模块连接。

2.如权利要求1所述的基于云数据库和改进集成学习的手杖运动分析系统，其特征在于，所述云端数据库为关系型数据库，通过键值对的方式储存信息，用于储存智能手杖分类后的实时运动状态和时间信息，以供远程智能终端的获取。

3.如权利要求1所述的基于云数据库和改进集成学习的手杖运动分析系统，其特征在于，所述姿态传感器为MPU-6050加速度陀螺仪传感器，所述控制中心系统板为RaspberryPi zero w系统板。

4.如权利要求1所述的基于云数据库和改进集成学习的手杖运动分析系统，其特征在于，所述智能手杖通过POST请求方式将实时运动状态和时间信息上传云端数据库；远程智能终端通过GET请求从云端服务器获得信息，同时也可通过POST请求向云端服务器发送信息。

5.基于云数据库和改进集成学习的手杖运动分析方法，其特征在于，包括以下步骤：

步骤1：通过智能手杖预先采集六个类别多组数据作为数据集，将数据集通过窗口矩阵预处理后获得新数据集，将新数据集中70％数据构成训练数据集；

步骤2：对训练数据集中的训练数据标签进行独热编码，使训练数据更有表现力；

步骤3：构建自定义损失函数；

步骤4：对自定义损失函数中的误差损失函数进行改进以构建LightBE模型；

步骤5：对自定义损失函数的代码进行优化，缩短模型训练时间；

步骤6：对LightBE模型的超参数进行贝叶斯优化，以寻找最优超参数带入到LightBE模型中进行训练；

步骤7：将训练好的LightBE模型移植到控制中心系统板中；

步骤8：通过两个姿态传感器实时采集十二维的加速度、角速度信息，并通过窗口矩阵处理后输入到中心系统板中进行实时分类；

步骤9：将分类结果和时间信息上传到云端数据库，以供远程智能终端的获取。

6.如权利要求5所述的基于云数据库和改进集成学习的手杖运动分析方法，其特征在于，所述步骤2具体为：

对训练数据的标签进行独热编码，以保证每个样本的标签为1×7维的向量，具体分类类别与独热编码的对应关系为：

“停止”—0100000，“慢走”—0010000，“快走”—0001000，“右转”—0000100，“左转”—0000010，“其他”—0000001。