[发明专利]智能鞋及其运行方法

说明书

公开了一种智能鞋及其运行方法，其采用基于深度学习的特征提取和分类的分式来判断用户走路的步数。具体地，所述智能鞋结合重力加速度计、加速度传感器和陀螺仪三者的测量数据来进行计步，在判断过程中，首先对重力加速度计和加速度传感器感应的垂直加速度波形和水平加速度波形中的高次谐波进行傅里叶变换处理，然后通过卷积神经网络挖掘出垂直加速度和水平加速度在各个谐波频率下的关联特征，再以特征图乘以角度向量获得特征向量，就可以基于特征向量进行分类，通过此方式，提高了计步的准确性。

技术领域

本发明涉及智能设备领域，且更为具体地，涉及一种智能鞋。

背景技术

现代生活中，人们对智能化的要求越来越多，例如，为了鼓励运动，人们佩戴智能手环，以获取一天的行走里程，以获知运动强度。

目前，市面已有的计步设备大部分为手机、智能手环、智能手表等，在运动过程中，使用现有的计步设备记录步数、消耗的卡路里等参数往往存在着携带不便或佩戴舒适感欠佳等弊端。若可以在鞋具上增加智能计步功能，则可以很好地解决这些弊端。

因此，期待一种具有计步功能的智能鞋。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种智能鞋及其运行方法，其结合重力加速度计、加速度传感器和陀螺仪三者的测量数据来进行计步，在判断过程中，首先对重力加速度计和加速度传感器感应的垂直加速度波形和水平加速度波形中的高次谐波进行傅里叶变换处理，然后通过卷积神经网络挖掘出垂直加速度和水平加速度在各个谐波频率下的关联特征，再以特征图乘以角度向量获得特征向量，就可以基于特征向量进行分类，通过此方式，提高了分类的准确性。

根据本申请的一个方面，提供了一种智能鞋，其包括：

训练模块，包括：

训练数据获取单元，用于获取训练数据，所述训练数据包括由所述智能鞋的陀螺仪所采集的角度数据、由所述智能鞋的重力加速度计所采集的垂直加速度波形和由所述智能鞋的加速度传感器所采集的水平加速度波形；

波形数据处理单元，用于分别对所述训练数据中的所述垂直加速度波形和所述水平加速度波形进行傅里叶变换，以获得所述垂直加速度波形和所述水平加速度波形在各个谐波频率下的数值；

第一向量构造单元，用于分别从所述垂直加速度波形和所述水平加速度波形在各个谐波频率下的数值中截取前N个谐波频率下的数值，以获得N维的垂直向量和N维的水平向量；

矩阵构造单元，用于将所述垂直向量与所述水平向量的转置进行矩阵相乘以获得加速度关联矩阵；

空间卷积单元，用于将所述加速度关联矩阵输入卷积神经网络以获得特征图；

第二向量构造单元，用于从所述角度数据中截取在预定时间间隔的多个时间点上的角度数据，以获得由所述多个时间点上的角度数据组成的角度向量；

向量映射单元，用于将所述角度向量映射到所述特征图所在的高维特征空间中，以获得角度特征向量；

交叉熵损失函数值计算单元，用于计算所述角度向量与所述角度特征向量之间的交叉熵损失函数值；

分类损失函数值计算单元，用于将所述角度特征向量输入分类器以获得分类损失函数值；

训练单元，用于基于所述分类损失函数值、所述交叉熵损失函数值和所述角度数据的最大似然估计项的加权和，训练所述卷积神经网络和所述分类器；以及

预测模块，包括：

待预测数据单元，用于获取待预测数据，所述待预测数据包括由所述智能鞋的陀螺仪所采集的角度数据、由所述智能鞋的重力加速度计所采集的垂直加速度波形和由所述智能鞋的加速度传感器所采集的水平加速度波形；