一种运动健康数据处理的方法及系统与流程
本技术涉及数据处理,特别涉及一种运动健康数据处理的方法及系统。
背景技术:
1、随着智能穿戴设备和移动互联网的普及,运动健康数据的采集量呈爆发式增长,其中可具体包括心率、步数、全球定位系统(global positioning system,gps)轨迹、惯性测量单元(inertial measurement unit,imu)传感器数据等。这些数据在个人健康管理、运动训练优化、保险定价、体育竞猜等领域具有重要的商业价值,运动健康数据要素的交易逐渐成为一个新兴的产业方向。
2、在运动健康数据的处理方面,相关技术主要采用深度学习模型对时序数据进行编码和分析。卷积神经网络处理时序任务时缺乏长距离依赖能力,长短期记忆网络具备一定的长距离建模能力,但计算效率较低。transformer网络建模能力强,但计算效率极低,无法满足实时交易校验的需求。同时,运动健康数据直接关联经济价值,数据提供方存在篡改步数、修改心率、虚构训练记录等不诚信行为,而交易平台缺乏有效的真实性校验手段。买方在交易前希望校验数据的真实性和价值,但卖方不愿意提供原始数据以避免隐私泄露。
3、尽管上述现有技术能够实现运动健康数据的采集和基本分析,但在长时序数据的编码效率、数据真实性校验以及交易隐私保护方面仍有待改善。现有编码方法将运动时序数据视为无结构的序列进行统一编码,未能利用运动数据本身具有的时空方向性和动力学规律,导致编码效率低且无法保留运动数据的内在物理结构。
技术实现思路
1、基于上述问题,本技术提供了一种运动健康数据处理的方法及系统,通过将运动健康数据转换为具有物理意义的二维流场表示,并沿流场的方向性路径进行序列编码,提高运动健康数据长时序处理效率,同时提供防伪造校验与隐私保护交易手段。
2、本技术公开了一种运动健康数据处理的方法,所述方法包括:
3、根据多源运动健康数据构建速度场;所述多源运动健康数据包括来自智能穿戴设备的心率数据、全球定位系统gps轨迹数据和惯性测量单元imu传感器数据中的至少两种;
4、基于所述速度场的动力学属性计算运动动力学张量,生成二维离散流场;
5、依据所述二维离散流场计算流线轨迹;
6、沿所述流线轨迹进行序列扫描,生成流场扫描特征序列。
7、可选的,所述根据多源运动健康数据构建速度场,包括:
8、对所述多源运动健康数据进行多模态对齐,得到统一时序数据;
9、根据所述统一时序数据构建所述速度场。
10、可选的,所述根据所述统一时序数据构建所述速度场,包括:
11、将所述统一时序数据映射至二维空间网格,使每个网格点对应一个速度矢量;所述速度矢量包含运动方向和速率信息;
12、基于带有所述速度矢量的所述二维空间网格生成所述速度场。
13、可选的,所述基于所述速度场的动力学属性计算运动动力学张量,包括:
14、基于所述速度场计算散度和旋度,得到所述动力学属性;
15、基于所述散度和所述旋度,计算所述运动动力学张量。
16、可选的,所述依据所述二维离散流场计算流线轨迹,包括:
17、通过数值积分求解所述二维离散流场的流线方程,得到所述流线轨迹。
18、可选的,在生成流场扫描特征序列后,所述方法还包括:
19、基于所述流场扫描特征序列进行编码;编码过程中的状态的更新速率与所述流场扫描特征序列的轨迹曲率相关;所述状态包括长期体能状态和短期动作状态;
20、在编码过程中融合所述长期体能状态和所述短期动作状态,生成融合状态特征。
21、可选的,所述基于所述流场扫描特征序列进行编码,包括:
22、根据所述流场扫描特征序列的速度分量和加速度分量计算所述轨迹曲率;
23、根据所述轨迹曲率自适应调整所述更新速率;所述轨迹曲率与所述更新速率正相关。
24、可选的,在生成融合状态特征后,所述方法还包括:
25、对所述融合状态特征进行随机投影与哈希映射,生成可信运动指纹。
26、可选的,在生成可信运动指纹后,所述方法还包括:
27、在交易阶段,获取来自买方的视频数据的视频编码特征;
28、计算所述视频编码特征与所述可信运动指纹间的余弦相似度;
29、根据所述余弦相似度确定所述视频数据的真实性。
30、基于上述一种运动健康数据处理的方法,本技术还公开了一种运动健康数据处理的系统,用于执行上述的方法,所述系统包括:多模态对齐模块、二维流场构建模块、流场扫描模块、曲率感知双状态编码器、可信指纹生成模块和可信校验模块;
31、所述多模态对齐模块,用于获取多源运动健康数据,以及对所述多源运动健康数据进行多模态对齐;
32、所述二维流场构建模块,用于构建速度场,以及引入动力学属性构建二维离散流场;
33、所述流场扫描模块,用于计算流线轨迹,并沿所述流线轨迹进行序列扫描,生成流场扫描特征序列;
34、所述曲率感知双状态编码器,用于依据轨迹曲率自适应调整状态更新速率,并融合长期体能状态与短期动作状态,生成融合状态特征;
35、所述可信指纹生成模块,用于对所述融合状态特征进行随机投影与哈希映射,生成可信运动指纹;
36、所述可信校验模块,用于提取来自买方的视频数据的视频编码特征,以及计算所述视频编码特征与所述可信运动指纹之间的余弦相似度,根据所述余弦相似度确定所述视频数据的真实性。
37、基于上述实施例公开的一种运动健康数据处理的方法,本实施例对应公开了一种运动健康数据处理的装置,包括:构建单元、张量计算单元、轨迹计算单元和扫描单元;
38、所述构建单元,用于根据多源运动健康数据构建速度场;所述多源运动健康数据包括来自智能穿戴设备的心率数据、全球定位系统gps轨迹数据和惯性测量单元imu传感器数据中的至少两种;
39、所述张量计算单元,用于基于所述速度场的动力学属性计算运动动力学张量,生成二维离散流场;
40、所述轨迹计算单元,用于依据所述二维离散流场计算流线轨迹;
41、所述扫描单元,用于沿所述流线轨迹进行序列扫描,生成流场扫描特征序列。
42、可选的,所述构建单元,包括:
43、对齐子单元,用于对所述多源运动健康数据进行多模态对齐,得到统一时序数据;
44、构建子单元,用于根据所述统一时序数据构建所述速度场。
45、可选的,所述构建子单元,包括:
46、映射子单元,用于将所述统一时序数据映射至二维空间网格,使每个网格点对应一个速度矢量;所述速度矢量包含运动方向和速率信息;
47、生成子单元,用于基于带有所述速度矢量的所述二维空间网格生成所述速度场。
48、可选的,所述张量计算单元,包括:
49、属性计算子单元,用于基于所述速度场计算散度和旋度,得到所述动力学属性;
50、张量计算子单元,用于基于所述散度和所述旋度,计算所述运动动力学张量。
51、可选的,所述轨迹计算单元,包括:
52、求解子单元,用于通过数值积分求解所述二维离散流场的流线方程,得到所述流线轨迹。
53、可选的,所述装置还包括:
54、编码单元,用于基于所述流场扫描特征序列进行编码;编码过程中的状态的更新速率与所述流场扫描特征序列的轨迹曲率相关;所述状态包括长期体能状态和短期动作状态;
55、融合单元,用于在编码过程中融合所述长期体能状态和所述短期动作状态,生成融合状态特征。
56、可选的,所述编码单元,包括:
57、曲率计算子单元,用于根据所述流场扫描特征序列的速度分量和加速度分量计算所述轨迹曲率;
58、更新子单元,用于根据所述轨迹曲率自适应调整所述更新速率;所述轨迹曲率与所述更新速率正相关。
59、可选的,所述装置还包括:
60、映射单元,用于对所述融合状态特征进行随机投影与哈希映射,生成可信运动指纹。
61、可选的,所述装置还包括:
62、特征提取单元,用于在交易阶段,获取来自买方的视频数据的视频编码特征;
63、一致性计算单元,用于计算所述视频编码特征与所述可信运动指纹间的余弦相似度;
64、确定单元,用于根据所述余弦相似度确定所述视频数据的真实性。
65、本技术还提供一种运动健康数据处理系统,包括被配置为执行上述方法各步骤的功能模块。
66、本技术还提供一种电子设备,包括处理器和存储器,所述处理器执行所述存储器中的程序时实现上述方法。
67、本技术还提供一种计算机可读存储介质,存储有使处理器执行上述方法的程序。
68、本技术公开了一种运动健康数据处理的方法及系统。通过将多源异构的运动健康数据统一构建为二维流场,实现了不同设备、不同格式数据的标准化编码,解决了数据异构严重的问题。沿流线轨迹进行序列扫描,信息传播方向符合真实运动规律,避免了传统固定方向扫描导致的空间邻域破坏。通过引入曲率感知机制,使编码器能够根据运动剧烈程度自适应调整状态更新速率,高曲率时快速响应、低曲率时长期记忆,同时通过双状态系统分别捕捉长期体能趋势和短期动作细节,显著提升了长时序数据的编码效率和表征能力。通过生成具有唯一性、稳定性和不可逆性的可信运动指纹,既保证了数据的可校验性,又保护了卖方的原始数据隐私。通过在交易阶段引入跨模态余弦相似度校验,无需披露原始数据即可确定数据真实性,有效解决了交易中的隐私保护与真实性校验之间的矛盾。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com