人体运动状态识别方法、装置、设备及存储介质

本技术涉及但不限于运动状态识别，尤其涉及一种人体运动状态识别方法、装置、设备及存储介质。

背景技术：

1、随着生活的智能化，人体运动状态识别在智能穿戴设备领域越来越受欢迎。

2、目前，通常使用已训练的机器学习模型来识别人体运动状态，将光学设备采集的待识别图像或多种传感器检测的待识别数据输入机器学习模型，进而识别出人体运动状态，但是，机器学习模型需要使用大量和任务相关的数据集来训练，耗费时间长，识别效率较低，而且，光学设备需要在符合光学测量标准的工作环境内工作，若工作环境不符合光学测量标准，则光学设备的图像采集效果较差，导致人体运动状态的识别准确度较低，另外，穿戴设备中传感器的种类数量越多，穿戴设备的结构越复杂，导致穿戴设备的便携性较差，实用性较差。

技术实现思路

1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

2、本技术实施例提供了一种人体运动状态识别方法、装置、设备及存储介质，能够提高识别效率、保证识别准确度和提高穿戴设备的便携性和实用性。

3、为实现上述目的，本技术实施例的第一方面提出了一种人体运动状态识别方法，包括：获取多个样本数据集合和对应的候选运动状态标签，其中，所述样本数据集合包括多个样本压力数据包，所述样本数据集合中的多个所述样本压力数据包按照时间先后顺序排列，所述样本压力数据包包括多个足底检测区域的压力数据，所述候选运动状态标签用于表征对应的所述样本数据集合的人体运动状态类别信息；根据预设的压力计算规则和所述样本压力数据包，得到对应的各个所述足底检测区域的样本分区压力值；根据预设的压力阈值和各个所述样本分区压力值，确定各个所述足底检测区域的样本特征值；针对任一所述样本数据集合，根据所述样本数据集合对应的所述样本特征值，确定所述样本数据集合的运动模式；获取目标数据集合，根据所述目标数据集合，在所述运动模式中确定所述目标数据集合的目标运动模式，并在所述候选运动状态标签中确定所述目标数据集合的目标运动状态标签。

4、在一些实施例中，所述根据预设的压力计算规则和所述样本压力数据包，得到对应的各个所述足底检测区域的样本分区压力值，包括：根据预设的划分规则和所述样本压力数据包中的各个所述压力数据的排列顺序，确定所述压力数据和所述足底检测区域的关联关系；针对任一所述足底检测区域，根据所述关联关系，在多个所述压力数据中确定与所述足底检测区域相关联的目标压力数据，根据预设的压力计算规则和所述目标压力数据，得到所述足底检测区域的样本分区压力值。

5、在一些实施例中，所述针对任一所述样本数据集合，根据所述样本数据集合对应的所述样本特征值，确定所述样本数据集合的运动模式，包括：针对任一所述样本压力数据包，基于所述样本压力数据包中的各个所述压力数据的排列顺序，将各个所述足底检测区域的所述样本特征值依次拼接，得到样本动作特征；针对任一所述样本数据集合，基于所述样本数据集合中各个所述样本压力数据包的顺序排列，对所述样本动作特征进行排序处理；对排序后的所述样本动作特征进行拼接处理，得到运动序列；根据所述运动序列，确定所述样本数据集合的运动模式。

6、在一些实施例中，所述根据所述运动序列，确定所述样本数据集合的运动模式，包括：根据预设的周期性检测算法和所述运动序列，确定样本周期序列；遍历所述样本周期序列中各个所述样本动作特征，判断当前的所述样本动作特征和前一个所述样本动作特征是否相同；若当前的所述样本动作特征和前一个所述样本动作特征相同，在所述样本周期序列中删除当前的所述样本动作特征，以更新所述样本周期序列；根据更新后的所述样本周期序列，得到模式序列；根据所述模式序列的头部和尾部对应的所述样本压力数据包的获取时间，确定样本动作频率；根据所述模式序列和所述样本动作频率，确定所述样本数据集合的运动模式。

7、在一些实施例中，所述目标数据集合包括多个目标压力数据包；所述根据所述目标数据集合，在所述运动模式中确定所述目标数据集合的目标运动模式，包括：根据所述压力计算规则和所述目标压力数据包，得到对应的各个所述足底检测区域的目标分区压力值；根据所述压力阈值和各个所述目标分区压力值，确定各个所述足底检测区域的目标特征值；按照目标压力数据包的获取时间先后顺序，依次根据对应的所述目标特征值确定所述目标压力数据包的目标动作特征，将首个确定的所述目标动作特征作为预设的待识别序列的头部，并判断当前确定的所述目标动作特征与上一个确定的所述目标动作特征是否相同；若当前确定的所述目标动作特征与上一个确定的所述目标动作特征不同时，将当前确定的所述目标动作特征添加至所述待识别序列的尾部，以更新所述待识别序列；对所述待识别序列和各个所述模式序列进行匹配，在各个所述运动模式中确定初筛运动模式，并在所述待识别序列中确定与所述初筛运动模式匹配的目标子序列；根据所述目标子序列的头部和尾部对应的目标压力数据包的获取时间，确定目标动作频率；对所述目标动作频率和所述初筛运动模式对应的所述样本动作频率进行匹配，在初筛运动模式中确定目标运动模式。

8、在一些实施例中，所述关联关系是指所述压力数据与所述足底检测区域之间的相关度，所述足底检测区域包括左脚前足区域、左脚中足区域、左脚足跟区域、右脚前足区域、右脚中足区域和右脚足跟区域，任一所述足底检测区域内设置有多个均匀分布的压力传感器，所述压力传感器用于获取对应的所述压力数据，所述压力传感器与所述足底检测区域的中心之间的距离与对应的所述相关度呈负相关关系；所述针对任一所述足底检测区域，根据所述关联关系，在多个所述压力数据中确定与所述足底检测区域相关联的目标压力数据，根据预设的压力计算规则和所述目标压力数据，得到所述足底检测区域的样本分区压力值，包括：针对任一所述足底检测区域，根据所述相关度和预设的相关度阈值，在多个所述压力数据中确定与所述足底检测区域相关联的目标压力数据；根据预设的压力计算规则和所述目标压力数据，得到各个所述目标压力数据的目标压力值；基于所述相关度，对各个所述目标压力值进行加权求和，得到所述足底检测区域的样本分区压力值。

9、在一些实施例中，所述样本特征值包括第一特征值和第二特征值；所述根据预设的压力阈值和各个所述样本分区压力值，确定各个所述足底检测区域的样本特征值，包括：在所述样本分区压力值大于等于预设的压力阈值的情况下，确定对应的所述足底检测区域的所述样本特征值为所述第一特征值；在所述样本分区压力值小于所述压力阈值的情况下，确定对应的所述足底检测区域的所述样本特征值为所述第二特征值。

10、为实现上述目的，本技术实施例的第二方面提出了一种人体运动状态识别装置，包括：获取单元，用于获取多个样本数据集合和对应的候选运动状态标签，其中，所述样本数据集合包括多个样本压力数据包，所述样本数据集合中的多个所述样本压力数据包按照时间先后顺序排列，所述样本压力数据包包括多个足底检测区域的压力数据，所述候选运动状态标签用于表征对应的所述样本数据集合的人体运动状态类别信息；压力计算单元，用于根据预设的压力计算规则和所述样本压力数据包，得到对应的各个所述足底检测区域的样本分区压力值；特征确定单元，用于根据预设的压力阈值和各个所述样本分区压力值，确定各个所述足底检测区域的样本特征值；模式确定单元，用于针对任一所述样本数据集合，根据所述样本数据集合对应的所述样本特征值，确定所述样本数据集合的运动模式；识别单元，用于获取目标数据集合，根据所述目标数据集合，在所述运动模式中确定所述目标数据集合的目标运动模式，并在所述候选运动状态标签中确定所述目标数据集合的目标运动状态标签。

11、为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的人体运动状态识别方法。

12、为实现上述目的，本技术实施例的第四方面提出了一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的人体运动状态识别方法。

13、本技术提出的人体运动状态识别方法、装置、设备及存储介质，本技术实施例包括：获取多个样本数据集合和对应的候选运动状态标签，其中，所述样本数据集合包括多个样本压力数据包，所述样本数据集合中的多个所述样本压力数据包按照时间先后顺序排列，所述样本压力数据包包括多个足底检测区域的压力数据，所述候选运动状态标签用于表征对应的所述样本数据集合的人体运动状态类别信息；根据预设的压力计算规则和所述样本压力数据包，得到对应的各个所述足底检测区域的样本分区压力值；根据预设的压力阈值和各个所述样本分区压力值，确定各个所述足底检测区域的样本特征值；针对任一所述样本数据集合，根据所述样本数据集合对应的所述样本特征值，确定所述样本数据集合的运动模式；获取目标数据集合，根据所述目标数据集合，在所述运动模式中确定所述目标数据集合的目标运动模式，并在所述候选运动状态标签中确定所述目标数据集合的目标运动状态标签。根据本技术实施例提供的方案，对于任一人体运动状态类别的样本数据集合，通过对样本压力数据包内的压力数据进行压力计算，确定各个足底检测区域的样本分区压力值，然后结合压力阈值进行对比，确定足底检测区域的样本特征值，进而通过样本特征值确定样本数据集合的运动模式，后续可以基于各个样本数据集合的运动模式，确定目标数据集合的目标运动模式和目标运动状态标签，实现了人体运动状态类别的有效识别，相对于耗时较长的机器学习模型训练过程，确定运动模式的过程耗费时间较短，提高识别效率，另外，使用配置有单一种类的压力传感器的穿戴设备，就能有效获取足底检测区域的压力数据，通过足底检测区域的压力数据来识别人体运动状态，不受光学测量标准的影响，能够保证识别准确度，而且穿戴设备的结构比较简单，从而提高穿戴设备的便携性和实用性。

14、本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。