[发明专利]状态识别模型训练方法、状态识别方法、装置及设备

说明书

本申请的实施例申请了一种状态识别模型训练方法、状态识别方法、装置及设备，通过对接触式信息采集装置采集的直接检测信息进行计算得到的样本状态识别结果，进而不需要人为进行标签的添加，且该样本状态识别结果是基于待建模对象的接触操作得到的，保证了标签的准确性，即提高了训练完成的状态识别模型的状态识别的准确性。并通过将非接触式信息采集装置采集的间接检测信息作为训练样本，将接触式信息采集装置采集的直接检测信息的样本状态识别结果作为样本标签，以训练初始状态识别模型，使得到的状态识别模型具备对间接检测信息进行状态识别的能力，进而可以实现仅采集待建模对象的间接检测信息便得到待建模对象状态的效果。

技术领域

本申请涉及人工智能技术领域，具体而言，涉及一种状态识别模型训练方法、状态识别方法、装置及电子设备。

背景技术

目前，随着人们生活水平的不断提高，用户对其状态的监测也越来越重视。因此，出现了各种各样的监测设备。例如，可穿戴设备或毫米波雷达监测设备等。可穿戴设备以智能手环为例，在监测用户状态的过程中，以其可接触用户的优势使其精准判断加速度信号的信号来源，以实现对用户状态的精准确定。

但是，为了准确获知用户的状态，需要用户长期佩戴各种信号采集器，这在日常生活中较难实现，且会对用户造成束缚感，引起用户不适。

因此，如何在对用户的状态进行识别时提高识别准确性以及用户的使用体验成为亟需解决的技术问题。

发明内容

本申请提供了一种状态识别模型训练方法、状态识别方法、装置及电子设备，以在对用户的状态进行识别时提高识别准确性以及用户的使用体验。

根据本申请实施例的第一方面，提供了一种状态识别模型训练方法，该方法包括：根据待建模对象对接触式信息采集装置执行的接触操作，采集待建模对象的直接检测信息；以及获取非接触式信息采集装置采集的待建模对象的间接检测信息；对直接检测信息进行状态识别处理，得到样本状态识别结果；将间接检测信息输入初始状态识别模型中进行预测，得到样本状态预测结果；根据样本状态预测结果与样本状态识别结果之间的损失值对初始状态识别模型进行参数调整，得到状态识别模型。

在一些实施例中，将间接检测信息输入初始状态识别模型中进行预测，得到样本状态预测结果，包括：将间接检测信息输入至初始状态识别模型的编码网络进行编码处理，得到编码网络输出的编码向量；对编码向量进行自注意力权重计算，得到自注意力权重，并通过注意力权重调整编码向量，得到自注意力编码向量；将自注意力编码向量输入至初始状态识别模型的解码网络进行解码处理，得到解码网络输出的样本状态预测结果。

在一些实施例中，间接检测信息包括图像信息、音频信息和文本信息，自注意力编码向量包括图像自注意力编码向量、音频自注意力编码向量和文本自注意力编码向量；将自注意力编码向量输入至初始状态识别模型的解码网络进行解码处理，得到解码网络输出的样本状态预测结果，包括：根据图像自注意力编码向量、音频自注意力编码向量和文本自注意力编码向量分别对应的信息权重，对图像自注意力编码向量、音频自注意力编码向量和文本自注意力编码向量进行融合处理，得到融合向量；对融合向量进行分类处理，得到样本状态预测结果。

在一些实施例中，直接检测信息包括待建模对象的脉搏信息；对直接检测信息进行状态识别处理，得到样本状态识别结果，包括：根据脉搏信息计算待建模对象的心率信息以及呼吸信息；根据心率信息与呼吸信息之间的互谱功率以及相干性，得到待建模对象的心肺耦合动力学频谱；根据心肺耦合动力学频谱确认直接检测信息对应的样本状态识别结果。

在一些实施例中，在根据样本状态预测结果与样本状态识别结果之间的损失值对初始状态识别模型进行参数调整，得到状态识别模型之后，还包括：接收状态描述信息，状态描述信息用于描述待建模对象的状态；根据状态描述信息对状态识别模型进行更新，得到更新后的状态识别模型。