宠物运动信息的获取方法、系统、介质及电子设备与流程

本发明涉及计算机，具体地，涉及一种宠物运动信息的获取方法、系统、介质及电子设备。

背景技术：

1、随着我国经济社会的发展和物质生活的提高，人民对精神生活的需求日益增长，宠物的陪伴已然成为很多人生活的一部分。正因如此，越来越多的人开始饲养宠物，这也就面临了科学喂养的问题。如果不科学喂养会使得宠物过瘦或过胖，从而引发宠物疾病甚至威胁生命。同时，节假日人们出行时，对于宠物的安置处理，大多数人会选择宠物寄养，但针对可以自行定点大小便的宠物，主人会选择安置在家里通过摄像头设备监控宠物的活动和健康情况。对于主人来说，无法实时关注摄像头视频，也就是说当前不可以准确有效地确定宠物在家的状态信息。

2、卷积神经网络仿造生物的视知觉(visual perception)机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化(grid-like topology)特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程(feature engineering)要求。

3、但是，目前现有技术的不足之处在于运动状态识别准确率有待提高。

技术实现思路

1、针对现有技术中的缺陷，本发明的目的是提供一种宠物运动信息的获取方法、系统、介质及电子设备。

2、根据本发明提供的一种宠物运动信息的获取方法，包括：

3、运动状态识别步骤：基于已训练的识别模型，根据待识别宠物的加速度信息对应的时域和/或频域谱图，识别得到宠物对应的运动状态；

4、运动信息获取步骤：根据所述运动状态，得到待识别宠物的运动信息。

5、优选地，还包括：

6、步骤s1：获取样本宠物的运动数据，其中，所述运动数据包括加速度信息；

7、步骤s2：根据运动类型对所述运动数据进行标定，得到标定数据；

8、步骤s3：对标定数据进行时频域联合分析，得到每个运动类型对应的时频域谱图作为样本，通过样本训练，得到已训练的识别模型。

9、优选地，所述加速度信息包括利用宠物项圈中加速度计获得的加速度信息，所述宠物包括猫或者狗；

10、所述标定包括对每个样本宠物的运动数据标定运动类型以及标定运动类型所对应的开始时间和结束时间，所述运动类型包括静止、走步、奔跑和跳跃；

11、在所述运动状态识别步骤中，根据待识别宠物的预设时间周期内的加速度信息对应的时频域谱图，识别得到宠物对应的运动状态；

12、还包括：

13、运动信息应用步骤：根据所述运动信息，计算得到指示待识别宠物健康情况的应用数据，其中，所述应用数据包括基于运动信息中的运动量计算得到健康值或者参考食量；

14、标记复查修正步骤：将所述标定的结果和复查的结果进行比对，若内容一致，则不做处理；若内容不一致，则将再次复核并修正当前标定数据。

15、优选地，在时频域联合分析之前对所述标定数据进行预处理，所述预处理包括如下步骤：

16、步骤s2.1：分别计算每条数据对应的x轴角、y轴角、z轴角、三轴合角度和三轴合加速度，公式分别如下：

17、xang＝[arctan(ax/squr(yacc*yacc+zacc*zacc))]*180/π

18、yang＝[arctan(ay/squr(xacc*xacc+zacc*zacc))]*180/π

19、zang＝[arctan(az/squr(xacc*xacc+yacc*yacc))]*180/π

20、rang＝squr(pow(abs(xang),2)+pow(abs(yang),2)+pow(abs(zang),2))

21、racc＝squr(pow(abs(xacc),2)+pow(abs(yacc),2)+pow(abs(zacc),2))

22、式中，xang、yang、zang分别表示x轴角、y轴角、z轴角，squr()表示计算平方的函数；pow(a,b)表示计算以a为底的b次方值；abs()表示求绝对值的函数；*表示相乘运算，rang表示三轴合角度，racc表示三轴合加速度，xacc、yacc、zacc分别表示三轴加速度计采集宠物运动数据对应的x轴加速度原始值、y轴加速度原始值、z轴加速度原始值；

23、步骤s2.2：结合标定后的运动类型对应的开始时间和结束时间，将采集的运动数据和所述每条数据对应的x轴角、y轴角、z轴角、三轴合角度和三轴合加速度进行分组；

24、步骤s2.3：分别计算每个分组内的x轴、y轴和z轴三个轴所对应的加速度差、三轴合角度差、三轴合加速度差和时间戳差，公式分别如下：

25、xaccdiff＝abs(xaccmax)-abs(xaccmin)

26、yaccdiff＝abs(yaccmax)-abs(yaccmin)

27、zaccdiff＝abs(zaccmax)-abs(zaccmin)

28、rangdiff＝abs(rangmax)-abs(rangmin)

29、raccdiff＝abs(raccmax)-abs(raccmin)

30、timestampdiff＝timestampmax–timestampmin

31、式中，xaccdiff、yaccdiff、zaccdiff分别表示x轴加速度差、y轴加速度差、z轴加速度差，xaccmax、xaccmin分别表示x轴加速度最大值、x轴加速度最小值，yaccmax、yaccmin分别表示y轴加速度最大值、y轴加速度最小值，zaccmax、zaccmin分别表示z轴加速度最大值、z轴加速度最小值，rangdiff、raccdiff、timestampdiff分别表示三轴合角度差、三轴合加速度差、时间戳差，rangmax、rangmin分别表示最大三轴合角度、最小三轴合角度，raccmax、raccmin分别表示最大三轴合加速度、最小三轴合加速度，timestampmax、timestampmin分别表示最大时间戳、最小时间戳。

32、根据本发明提供的一种宠物运动信息的获取系统，包括：

33、运动状态识别模块：基于已训练的识别模型，根据待识别宠物的加速度信息对应的时域和/或频域谱图，识别得到宠物对应的运动状态；

34、运动信息获取模块：根据所述运动状态，得到待识别宠物的运动信息。

35、优选地，还包括：

36、模块m1：获取样本宠物的运动数据，其中，所述运动数据包括加速度信息；

37、模块m2：根据运动类型对所述运动数据进行标定，得到标定数据；

38、模块m3：对标定数据进行时频域联合分析，得到每个运动类型对应的时频域谱图作为样本，通过样本训练，得到已训练的识别模型。

39、优选地，所述加速度信息包括利用宠物项圈中加速度计获得的加速度信息，所述宠物包括猫或者狗；

40、所述标定包括对每个样本宠物的运动数据标定运动类型以及标定运动类型所对应的开始时间和结束时间，所述运动类型包括静止、走步、奔跑和跳跃；

41、在所述运动状态识别模块中，根据待识别宠物的预设时间周期内的加速度信息对应的时频域谱图，识别得到宠物对应的运动状态；

42、还包括：

43、运动信息应用模块：根据所述运动信息，计算得到指示待识别宠物健康情况的应用数据，其中，所述应用数据包括基于运动信息中的运动量计算得到健康值或者参考食量；

44、标记复查修正模块：将所述标定的结果和复查的结果进行比对，若内容一致，则不做处理；若内容不一致，则将再次复核并修正当前标定数据。

45、优选地，在时频域联合分析之前对所述标定数据进行预处理，所述预处理包括如下模块：

46、模块m2.1：分别计算每条数据对应的x轴角、y轴角、z轴角、三轴合角度和三轴合加速度，公式分别如下：

47、xang＝[arctan(ax/squr(yacc*yacc+zacc*zacc))]*180/π

48、yang＝[arctan(ay/squr(xacc*xacc+zacc*zaccz))]*180/π

49、zang＝[arctan(az/squr(xacc*xacc+yacc*yacc))]*180/π

50、rang＝squr(pow(abs(xang),2)+pow(abs(yang),2)+pow(abs(zang),2))

51、racc＝squr(pow(abs(xacc),2)+pow(abs(yacc),2)+pow(abs(zacc),2))

52、式中，xang、yang、zang分别表示x轴角、y轴角、z轴角，squr()表示计算平方的函数；pow(a,b)表示计算以a为底的b次方值；abs()表示求绝对值的函数；*表示相乘运算；rang表示三轴合角度，racc表示三轴合加速度，xacc、yacc、zacc分别表示三轴加速度计采集宠物运动数据对应的x轴加速度原始值、y轴加速度原始值、z轴加速度原始值；

53、模块m2.2：结合标定后的运动类型对应的开始时间和结束时间，将采集的运动数据和所述每条数据对应的x轴角、y轴角、z轴角、三轴合角度和三轴合加速度进行分组；

54、模块m2.3：分别计算每个分组内的x轴、y轴和z轴三个轴所对应的加速度差、三轴合角度差、三轴合加速度差和时间戳差，公式分别如下：

55、xaccdiff＝abs(xaccmax)-abs(xaccmin)

56、yaccdiff＝abs(yaccmax)-abs(yaccmin)

57、zaccdiff＝abs(zaccmax)-abs(zaccmin)

58、rangdiff＝abs(rangmax)-abs(rangmin)

59、raccdiff＝abs(raccmax)-abs(raccmin)

60、timestampdiff＝timestampmax–timestampmin

61、式中，xaccdiff、yaccdiff、zaccdiff分别表示x轴加速度差、y轴加速度差、z轴加速度差，xaccmax、xaccmin分别表示x轴加速度最大值、x轴加速度最小值，yaccmax、yaccmin分别表示y轴加速度最大值、y轴加速度最小值，zaccmax、zaccmin分别表示z轴加速度最大值、z轴加速度最小值，rangdiff、raccdiff、timestampdiff分别表示三轴合角度差、三轴合加速度差、时间戳差，rangmax、rangmin分别表示最大三轴合角度、最小三轴合角度，raccmax、raccmin分别表示最大三轴合加速度、最小三轴合加速度，timestampmax、timestampmin分别表示最大时间戳、最小时间戳。

62、根据本发明提供的一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现所述的宠物运动信息的获取方法的步骤。

63、根据本发明提供的一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被处理器执行时实现所述的宠物运动信息的获取方法的步骤。

64、与现有技术相比，本发明具有如下的有益效果：

65、1、本发明通过利用多种加速度信息的组合对应的时频域谱图训练得到的卷积神经网络模型作为识别模型，来识别宠物的运动状态，提高了状态识别的准确性。

66、2、本发明通过识别宠物运动状态，得到宠物的运动信息，从而得到宠物的健康情况及适应该宠物的进食量及饮水量，达到科学喂养的目的。

67、3、本发明识别的运动状态及运动数据能够通过智能设备实时传送给宠物主人，方便宠物主人关注宠物的实时动态及健康，提高用户的体验。

68、4、本发明通过在预设时间周期内，计算宠物运动状态相应的考虑因素所对应的最大值和最小值之差，使得识别模型识别出的唯一结果是最激烈的动作，提高模型对宠物运动状态识别的适应性以及准确性。