基于人工智能技术模式识别的应用于健康预防的识别技术制造技术

本发明专利技术涉及人工智能技术领域，具体为基于人工智能技术模式识别的应用于健康预防的识别技术，包括如下步骤：S1：运动类型信息采集：对生物运动类型信息进行采集，获取相关数据，建立预留模版，组建运动类型数据库；S2：运动类型信息比对：对生物运动类型信息进行测量，获取相关数据，然后统计样本与预留模版数据一致程度，经比对阈值的误差达到分析判别的目的；S3：运动类型信息完善：开放运动类型识别标记口，引入用户共同标记，增强视频识别自我学习和完善能力，进而降低“拒识率”和“误识率”。该基于人工智能技术模式识别的应用于健康预防的识别技术适用性广，该专利技术不仅可应用于健康行业，亦可应用于竞技行业、体育行业等。

Pattern recognition technology based on artificial intelligence technology applied to health prevention

【技术实现步骤摘要】
基于人工智能技术模式识别的应用于健康预防的识别技术
本专利技术涉及人工智能
，具体为基于人工智能技术模式识别的应用于健康预防的识别技术。
技术介绍
健康行业是21世纪的朝阳产业和财富集中的热点产业。健康中国，预防为主。健康预防离不开合理运动和健康饮食。随着人民群众健康意识的增强，对于个人运动管理的诉求愈发强烈，而当前市场针对个人运动管理的软件虽层出不穷，但均依赖个人良好的自控力，需用户主动打开软件，登记运动类型和运动消耗，路径繁琐，登记成本较高，运动消耗准确率低。这是其一。其二，当前阶段下，模式识别是研究如何使机器具有感知能力，主要研究视觉模式和听觉模式的识别。如识别物体、地形、图象、字体(如签字)等。在日常生活各方面以及军事上都有广大的用途。模式识别技术具有"拒识率"和"误识率"的缺陷，有效采样获取的特征点少，容易引起认证误判。
技术实现思路
本专利技术的目的在于提供基于人工智能技术模式识别的应用于健康预防的识别技术，以解决上述
技术介绍
提出的用户自我运动管理门槛过高和降低模式识别技术"拒识率"和"误识率"的缺陷的问题。为实现上述目的，本专利技术提供如下技术方案：基于人工智能技术模式识别的应用于健康预防的识别技术，包括如下步骤：S1：运动类型信息采集：对生物运动类型信息进行采集，获取相关数据，建立预留模版，组建运动类型数据库；S2：运动类型信息比对：对生物运动类型信息进行测量，获取相关数据，然后统计样本与预留模版数据一致程度，经比对阈值的误差达到分析判别的目的；S3：运动类型信息完善：开放运动类型识别标记口，引入用户共同标记，增强视频识别自我学习和完善能力，不断增强精准度，进而降低“拒识率”和“误识率”。优选的，所述运动类型信息采集采用背景差分法运动目标检测方法中最常见的一种方法，基本思想就是将视频图像中的某一帧当前图像与背景图像(背景图像是提前获取的没有运动目标的图像)做差，得到差值图像，通过设一阈值，得到差分图像，差分图像中的区域就是原图像中需要检测出的运动目标区域；根据前景检测，背景维持和后处理方法，存在几种不同的背景差方法，若设It，Bt分别为当前帧与背景帧图像，T为前景灰度阈值，则方法流程如下：S101：取前几帧图像的平均值，将其作为初始的背景图像Bt；S102：当前帧图像与背景图像作灰度减运算，并取绝对值；公式即为|It(基于人工智能技术模式识别的应用于健康预防的识别技术，y)-Bt(基于人工智能技术模式识别的应用于健康预防的识别技术，y)||It(基于人工智能技术模式识别的应用于健康预防的识别技术，y)-Bt(基于人工智能技术模式识别的应用于健康预防的识别技术，y)|；S103：对当前帧的像素(基于人工智能技术模式识别的应用于健康预防的识别技术，y)，若有|It(基于人工智能技术模式识别的应用于健康预防的识别技术，y)-Bt(基于人工智能技术模式识别的应用于健康预防的识别技术，y)|>T|It(基于人工智能技术模式识别的应用于健康预防的识别技术，y)-Bt(基于人工智能技术模式识别的应用于健康预防的识别技术，y)|>T，则该像素点为前景点；S104：用当前帧图像对背景图像进行更新。优选的，所述运动类型信息比对采用ViBe检测方法，可以把物体检测看出一个分类问题，也就是来确定一个像素点是否属于背景点，在ViBe模型中，背景模型为每个背景点存储了一个样本集，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点，可以知道如果一个新的观察值属于背景点那么它应该和样本集中的采样值比较接近。优选的，所述运动类型信息完善机器学习算法采用神经网络，神经网络适合一个input可能落入至少两个类别里：NN由若干层神经元，和它们之间的联系组成，第一层是input层，最后一层是output层，在hidden层和output层都有自己的classifier；input输入到网络中，被激活，计算的分数被传递到下一层，激活后面的神经层，最后output层的节点上的分数代表属于各类的分数，下图例子得到分类结果为class1；同样的input被传输到不同的节点上，之所以会得到不同的结果是因为各自节点有不同的weights和bias，这也就是forwardpropagation；通过大量的类型录入、后期补充，以及机器学习算法，不断完善运动类型库。优选的，所述的S1：运动类型信息采集；S2：运动类型信息比对；S3：运动类型信息完善构成运动类型信息维护。与现有技术相比，本专利技术的有益效果是：该基于人工智能技术模式识别的应用于健康预防的识别技术适用性广，该专利技术不仅可应用于健康行业，亦可应用于竞技行业、体育行业等；拓展性高，具有不断学习，不断完善的潜力，可在类型增加的情况下，不断降低“拒识率”和“误识率”；易操作性，用户学习成本低，大大降低了自我运动管理的准入门槛。附图说明图1为本专利技术工作流程详细步骤示意图；图2为本专利技术工作流程简易框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1-2，本专利技术提供一种技术方案：基于人工智能技术模式识别的应用于健康预防的识别技术，包括如下步骤：S1：运动类型信息采集：对生物运动类型信息进行采集，获取相关数据，建立预留模版，组建运动类型数据库；Y＝F(X)——X的定义域去取自特征集——Y的值域为类别的标号集——F是模式识别的判别方法所述运动类型信息采集采用背景差分法运动目标检测方法中最常见的一种方法，基本思想就是将视频图像中的某一帧当前图像与背景图像(背景图像是提前获取的没有运动目标的图像)做差，得到差值图像，通过设一阈值，得到差分图像，差分图像中的区域就是原图像中需要检测出的运动目标区域；根据前景检测，背景维持和后处理方法，存在几种不同的背景差方法，若设It，Bt分别为当前帧与背景帧图像，T为前景灰度阈值，则方法流程如下：S101：取前几帧图像的平均值，将其作为初始的背景图像Bt；S102：当前帧图像与背景图像作灰度减运算，并取绝对值；公式即为|It(基于人工智能技术模式识别的应用于健康预防的识别技术，y)-Bt(基于人工智能技术模式识别的应用于健康预防的识别技术，y)||It(基于人工智能技术模式识别的应用于健康预防的识别技术，y)-Bt(基于人工智能技术模式识别的应用于健康预防的识别技术，y)|；S103：对当前帧的像素(基于人工智能技术模式识别的应用于健康预防的识别技术，y)，若有|It(基于人工智能技术模式识别的应用于健康预防的识别技术，y)-Bt(基于人工智能技术模式识别的应用于健康预防本文档来自技高网...

【技术保护点】
1.基于人工智能技术模式识别的应用于健康预防的识别技术，其特征在于：包括如下步骤：/nS1：运动类型信息采集：对生物运动类型信息进行采集，获取相关数据，建立预留模版，组建运动类型数据库；/nS2：运动类型信息比对：对生物运动类型信息进行测量，获取相关数据，然后统计样本与预留模版数据一致程度，经比对阈值的误差达到分析判别的目的；/nS3：运动类型信息完善：开放运动类型识别标记口，引入用户共同标记，增强视频识别自我学习和完善能力，不断增强精准度，进而降低“拒识率”和“误识率”。/n

【技术特征摘要】
1.基于人工智能技术模式识别的应用于健康预防的识别技术，其特征在于：包括如下步骤：
S1：运动类型信息采集：对生物运动类型信息进行采集，获取相关数据，建立预留模版，组建运动类型数据库；
S2：运动类型信息比对：对生物运动类型信息进行测量，获取相关数据，然后统计样本与预留模版数据一致程度，经比对阈值的误差达到分析判别的目的；
S3：运动类型信息完善：开放运动类型识别标记口，引入用户共同标记，增强视频识别自我学习和完善能力，不断增强精准度，进而降低“拒识率”和“误识率”。


2.根据权利要求1所述的基于人工智能技术模式识别的应用于健康预防的识别技术，其特征在于：所述的运动类型信息采集采用背景差分法运动目标检测方法中最常见的一种方法，基本思想就是将视频图像中的某一帧当前图像与背景图像(背景图像是提前获取的没有运动目标的图像)做差，得到差值图像，通过设一阈值，得到差分图像，差分图像中的区域就是原图像中需要检测出的运动目标区域；
根据前景检测，背景维持和后处理方法，存在几种不同的背景差方法，若设It，Bt分别为当前帧与背景帧图像，T为前景灰度阈值，则方法流程如下：
S101：取前几帧图像的平均值，将其作为初始的背景图像Bt；
S102：当前帧图像与背景图像作灰度减运算，并取绝对值；公式即为|It(基于人工智能技术模式识别的应用于健康预防的识别技术，y)-Bt(基于人工智能技术模式识别的应用于健康预防的识别技术，y)||It(基于人工智能技术模式识别的应用于健康预防的识别技术，y)-Bt(基于人工智能技术模式识别的应用于健康预防的识别技术，y)|；
S103：对当前帧的像素(基于人工智能技术模式识别的应用于健康预防的识别技术，y)，若有|It(基于人工智能技术模式识别的应用于健康预防的识别技术，y)-Bt(基于人工智能技术模式识别的应用于健康预防的识别技术，y)|>T|It(基于人工智能技术模式识别的应用于健康预防的识别技术，y)-Bt(基于人工智能技术模式识别的应用于健康预防的识别技术，y)|>T，则该像素点为前景点；
S104：用当前帧图像对背景图像进行更新。


3.根据权利要求1所述的基于人工智能技术模式识别的应用于健康预防的识别技术，其特征在于：所述的运动类型信息比对采用ViBe检测方法，可...

【专利技术属性】
技术研发人员：王立峰，董文杰，潘爱兵，侯世朋，赵俊，李瑞清，
申请(专利权)人：山东鲁能软件技术有限公司，
类型：发明
国别省市：山东;37