[发明专利]自适应步态划分方法及装置、存储介质和终端

权利要求书

1.一种自适应步态划分方法，包括：

实时获取待划分传感器数据的采样点数据，并按预设滑窗获取方式获取最新滑窗样本数据段，计算所述最新滑窗样本数据段的方差，并按预设数据段获取方式获取最新待识别数据段；

基于预设趋势强度获取方式获取所述最新待识别数据段的趋势强度特征，并将所述最新待识别数据段的趋势强度特征作为目标趋势强度特征；

计算所述目标趋势强度特征分别与所述趋势强度特征库中每个趋势强度特征集合组之间的隶属度，并从所有所述隶属度中从大到小选取预设个数的隶属度作为投票隶属度，将每个所述投票隶属度所对应的趋势强度特征集合组作为投票集合组；

基于各趋势强度集合中的步态标签，分别对每个所述投票集合组中的所有趋势强度特征集合进行分类，以获取每个所述投票集合组的静止阶段子集合和非静止阶段子集合，并分别计算每个所述静止阶段子集合的聚类中心和每个所述非静止阶段子集合的聚类中心；

计算所述目标趋势特征分别与每个所述静止阶段子集合聚类中心之间的欧氏距离，以及与每个所述非静止阶段子集合聚类中心之间的欧氏距离，并基于每个所述投票集合组所对应的欧氏距离获取对应所述投票集合组的静止阶段步态概率估计值和非静止阶段步态概率估计值；

以对应的所述投票隶属度为权重，分别对所有所述静止阶段步态概率估计值进行加权并求和，以获取所述最新待识别数据段的静止阶段决策值，并分别对所述非静止阶段步态概率估计值进行加权并求和，以获取所述最新待识别数据段的非静止阶段决策值；

判断所述静止阶段决策值是否大于所述非静止阶段决策值，若是则判定所述最新待识别数据段的步态为静止阶段，否则判定所述最新待识别数据段的步态为非静止阶段。

2.根据权利要求1所述的方法，其特征在于，所述趋势强度特征库的获取过程为：

获取参考步态数据集，并基于影响参数对所述参考步态数据集中的所有参考步态数据段进行分组，以获取多个参考步态数据组，其中所述参考步态数据集中包括多段所述参考步态数据段以及每段所述参考步态数据段所对应的步态标签；

通过预设滑窗获取方式获取每段所述参考步态数据段的所有参考滑窗样本数据段，计算每段所述参考滑窗样本数据段的方差，并按预设数据段获取方式获取每段所述参考步态数据段的参考数据段；

基于预设趋势强度获取方式获取每段所述参考数据段的趋势强度特征，并将每段所述参考步态数据段所对应的趋势强度特征和其所对应的步态标签集合为趋势强度特征集合，将每个所述参考步态数据组所对应的所有趋势强度特征集合分别集合为趋势强度特征集合组，所有所述趋势强度特征集合组形成趋势强度特征库；

其中，所述影响参数包括性别、身高和行走速度。

3.根据权利要求1或2所述的方法，其特征在于，所述预设滑窗获取方式为：

计算目标采样点数据的加速度模值以作为目标加速度模值，并将所述目标加速度模值添加到滑窗队列末端，在所述滑窗队列中以所述目标加速度模值为起点依次向前选取w个加速度模值作为滑窗样本数据段；

其中，当所针对数据为待划分传感器数据时，所述目标采样点数据为所述待划分传感器数据的最新采样点数据，所获取滑窗样本数据段为最新滑窗样本数据段；

当所针对数据为参考步态数据段时，所述参考步态数据段中的采样点数据依次作为目标采样点数据，所获取滑窗样本数据段为参考滑窗样本数据段；

当所针对数据为目标数据段时，所述目标数据段中的采样点数据依次作为目标采样点数据，所获取滑窗样本数据段为滑窗数据段。