一种个性化步态调节方法、系统、电子设备和存储介质与流程

阅读：评论：0

1.本发明涉及步态调节技术领域，尤其涉及一种个性化步态调节方法、系统、电子设备和存储介质。

背景技术：

2.由于人体神经系统和运动系统的疾病、骨盆歪斜、两下肢不等长、躯干侧屈、体力减弱或无力等原因，部分用户存在步行障碍，如果不进行步态调节，长期的步行障碍使得用户因顾虑安全而更加不敢独立行走，显著降低用户的独立性、降低生活质量、增加跌倒风险并可能增加医疗保健系统的负担。
3.现有的节律性调节步态的方法中，固定节奏导致整个调节过程枯燥乏味，用户难以适应且调节过程较长；人工精准干预的调节效果虽然明显，但是成本较高。
4.因此，提出一种个性化步态调节方法、系统、电子设备和存储介质。

技术实现要素：

5.生理学研究表明，节律性听觉和运动之间的丰富连接以分布式和并行方式在整个大脑中连接，即听觉和运动系统之间存在丰富的连通性。具体来说，已经表明听觉和运动系统可以下意识地与外部听觉节奏提示同步。
6.本说明书提供一种个性化步态调节方法、系统、电子设备和存储介质，用户根据播放的音乐曲目调节步态的过程中，基于用户的步态信息和曲目推荐模型确定播放的音乐曲目，以针对用户进行个性化的步态调节，提高调节效果。
7.本技术提供的一种个性化步态调节方法采用如下的技术方案，包括：
8.基于当前播放的音乐曲目，每经过第一间隔时间采集用户的步态信息；
9.将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目；
10.若所述当前播放的音乐曲目已播放完毕，基于预设条件从多个所述预测音乐曲目中确定下一首播放的音乐曲目，以对用户进行个性化的步态调节。
11.可选的，所述将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目，包括：
12.按序汇总所述第二间隔时间内的多个所述步态信息，得到一个检测状态，所述第二间隔时间大于所述第一间隔时间；
13.根据步态调节策略和一个所述检测状态，确定一个所述预测音乐曲目。
14.可选的，所述将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目，还包括：
15.判断所述当前播放的音乐曲目是否播放完毕；
16.若未播放完毕，记录所述预测音乐曲目的编号和推荐次数。
17.可选的，所述若所述当前播放的音乐曲目已播放完毕，基于预设条件从多个所述
预测音乐曲目中确定下一首播放的音乐曲目，以对用户进行个性化的步态调节，包括：
18.若所述当前播放的音乐曲目已播放完毕，将推荐次数最多的所述预测音乐曲目作为所述下一首播放的音乐曲目。
19.可选的，还包括：
20.根据所述音乐曲目的全部步态信息，得到当前训练步态数据；
21.根据当前训练步态数据与所述音乐曲目的匹配度确定当前步态得分；
22.通过当前步态得分与上一步态得分的差值确定当前奖励值；
23.将当前训练步态数据、当前播放的音乐曲目、当前奖励值和下一训练数据作为一个调节四元组以优化所述步态调节策略。
24.可选的，所述根据所述音乐曲目的全部步态信息，得到当前训练步态数据，包括：
25.所述步态信息包括足部压力数据和步态轨迹数据；
26.对所述足部压力数据和所述步态轨迹数据分别进行数据归一标准化处理；
27.对处理后的足部压力数据和处理后的步态轨迹数据进行数据拼接，得到所述当前训练步态数据。
28.本技术提供的一种个性化步态调节系统采用如下的技术方案，包括：
29.采集模块，用于基于当前播放的音乐曲目，每经过第一间隔时间采集用户的步态信息；
30.预测模块，用于将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目；
31.曲目输出模块，用于若所述当前播放的音乐曲目已播放完毕，基于预设条件从多个所述预测音乐曲目中确定下一首播放的音乐曲目，以对用户进行个性化的步态调节。
32.可选的，所述预测模块，包括：
33.确定子模块，用于按序汇总所述第二间隔时间内的多个所述步态信息，得到一个检测状态，所述第二间隔时间大于所述第一间隔时间；
34.预测子模块，用于根据步态调节策略和一个所述检测状态，确定一个所述预测音乐曲目。
35.可选的，所述预测模块，还包括：
36.判断子模块，用于判断所述当前播放的音乐曲目是否播放完毕；
37.存储子模块，用于若未播放完毕，记录所述预测音乐曲目的编号和推荐次数。
38.可选的，所述曲目输出模块，包括：
39.曲目输出子模块，用于若所述当前播放的音乐曲目已播放完毕，将推荐次数最多的所述预测音乐曲目作为所述下一首播放的音乐曲目。
40.可选的，还包括优化模块；
41.所述优化模块，包括：
42.预处理子模块，用于根据所述音乐曲目的全部步态信息，得到当前训练步态数据；
43.得分确定子模块，用于根据当前训练步态数据与所述音乐曲目的匹配度确定当前步态得分；
44.奖励值确定子模块，用于通过当前步态得分与上一步态得分的差值确定当前奖励值；
45.优化子模块，用于将当前训练步态数据、当前播放的音乐曲目、当前奖励值和下一训练数据作为一个调节四元组以优化所述步态调节策略。
46.可选的，所述预处理子模块，包括：
47.所述步态信息包括足部压力数据和步态轨迹数据；
48.预处理单元，用于对所述足部压力数据和所述步态轨迹数据分别进行数据归一标准化处理；
49.拼接单元，用于对处理后的足部压力数据和处理后的步态轨迹数据进行数据拼接，得到所述当前训练步态数据。
50.本说明书还提供一种电子设备，其中，该电子设备包括：
51.处理器；以及，
52.存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一项方法。
53.本说明书还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现上述任一项方法。
54.本技术中，通过当前播放的音乐曲目，每经过第一间隔时间采集用户的步态信息；将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目；若所述当前播放的音乐曲目已播放完毕，基于预设条件从多个所述预测音乐曲目中确定下一首播放的音乐曲目，实现不同用户的个性化步态调节，提升调节效果。
附图说明
55.图1为本说明书实施例提供的一种个性化步态调节方法的原理示意图；
56.图2为本说明书实施例提供的一种个性化步态调节系统的原理示意图；
57.图3为本说明书实施例提供的一种电子设备的结构示意图；
58.图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
59.以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
60.现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
61.在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
62.在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发
明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
63.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
64.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
65.术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
66.本说明书中的“用户”指的是需要进行步态调节的用户，使用本说明书提供的个性化步态调节系统的用户。
67.本说明书实施例提供的一种个性化步态调节方法，该方法包括：
68.s1构建曲目推荐模型；
69.s2基于当前播放的音乐曲目，每经过第一间隔时间采集用户的步态信息；
70.s3将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目；
71.s4若所述当前播放的音乐曲目已播放完毕，基于预设条件从多个所述预测音乐曲目中确定下一首播放的音乐曲目，以对用户进行个性化的步态调节。
72.针对步行障碍，现有技术主要采用节律性听觉刺激，其通过向运动中枢提供节律性刺激(音乐和节拍等)，促使用户调整运动模式与外在节奏合拍，以达到增强运动能力的目的。本技术基于节律性听觉刺激的作用机制及对步态调节产生积极的影响，通过用户的步态信息，为用户提供个性化的步态调节方案，在降低人力成本的基础上，进一步优化调节效果。
73.具体的，如图1所示，该方法包括：
74.s1构建曲目推荐模型；
75.在进行步态调节之前，构建曲目推荐模型；具体的，通过强化学习算法、深度强化学习算法、深度q学习算法等构建曲目推荐模型。
76.采集并根据样本原始数据训练曲目推荐模型。
77.具体的，构建音乐曲目库，音乐曲目库存储有若干音乐曲目和音乐曲目编号，音乐曲目与音乐编号一一对应。音乐曲目包括带有明显节奏感的纯音乐。
78.为了降低乏味性，音乐曲目库定期或不定期更新音乐曲目；由于每个人对音乐的感受和节拍有所差异，为了优化用户的体验感，也可以基于用户偏好使用个性化的音乐库。
79.s11收集样本原始数据；所述样本原始数据来源于人工精准干预的调节实例等。所述样本原始数据包括样本用户在一段时间内的样本步态信息和对应播放的音乐曲目编号。
80.s12对样本原始数据进行预处理，得到多个样本训练数据。
81.在本说明书的一个实施例中，针对同一样本用户按照曲目切换节点按序划分样本组，每一样本组包括音乐曲目播放期间的第一样本步态信息和当时播放的音乐曲目编号。
82.然后，获取样本组中的全部第一样本步态信息，对第一样本步态信息进行预处理，第一样本步态信息包括第一足部压力数据和第一步态轨迹数据。具体的，对第一足部压力数据进行标准归一化处理，对第一步态轨迹数据进行标准归一化处理；将处理后的第一足
部压力数据和处理后的第一步态轨迹数据进行数据拼接，得到样本训练步态数据，以减少异常样本和不同参数的影响，加快模型的收敛。样本训练步态数据。
83.作为优选的，通过concat或add等特征融合方式进行数据拼接。
84.s13将多个样本训练步态数据输入至曲目推荐模型进行训练。
85.依照样本训练步态数据构建四元组(s,a,r,s’)，每一个四元组中包含一个时刻的值，即：
[0086]“s”表示当前时刻的状态，当前时刻的步态信息，具体为当前时刻的双足的足部压力数据和步态轨迹数据；
[0087]“a”表示当前状态下采取的动作，即当前播放的音乐曲目，基于此可以确定当前对应播放的音乐曲目的编号；
[0088]“r”表示根据奖励函数计算得到的当前奖励值；
[0089]“s
’”
表示下一时刻的状态，即下一时刻的步态信息，具体为下一时刻的双足的足部压力数据和步态轨迹数据。
[0090]
在本说明书的一个实施例中，每一个样本训练步态数据对应一个时刻。也就是说，由于样本组是按序划分的，基于样本组得到的样本训练步态数据也存在先后顺序。
[0091]
以下简述以深度q学习算法(dqn)为例，简述模型训练流程，其中，智能体(agent)是播放音乐的播放器，动作是选择音乐曲目进行播放，环境(environment)是步态信息。
[0092]
首先，算法开始前随机选择一个初始状态，然后基于这个状态选择执行动作，这里需要进行一个判断，即是通过q-network选择一个q值最大对应的动作，由于刚开始时，q-network中的相关参数是随机的，所以在经验池存满之前，通常将设置的很小，即初期基本都是随机选择动作。
[0093]
在动作选择结束后，智能体(agent)将会在环境(environment)中执行这个动作(a)，随后环境(environment)会返回下一状态(s’)和当前奖励值(r)，这时将四元组(s，a，r，s’)存入经验池。接下来将下一个状态(s’)视为当前状态(s)，重复以上步骤，直至将经验池(experoence replay pool)存满。
[0094]
s14基于样本训练步态数据对曲目推荐模型的训练，确定步态调节策略。
[0095]
具体的，收集的训练步态数据不仅能计算压力分布和姿态，还可以根据使用者的步频、左右脚的相对位置来定制奖励函数，即步态调节策略。当用户的步态节奏与音乐曲目的节拍一致性越高，其对应的步态得分越高。由于“r”代表的奖励值是根据用户的步态信息和当前动作下步态得分相比上一步态得分的变化制定的，因此，曲目推荐模型为了获取更高的奖励值，会预测与步态信息最匹配的音乐曲目。考虑到步态调节的用户在初始阶段的步态偏慢，因此与当前步态信息节奏一致或节奏稍快的音乐曲目即为与步态信息匹配的音乐曲目。
[0096]
该模型会希望奖励越来越高，或者至少也会希望奖励保持不变，因此，训练曲目推荐模型使得该模型基于输入的用户的步态信息来推荐与步态信息匹配的音乐曲目，进而提高步态调节的优化效果。
[0097]
s2基于当前播放的音乐曲目，每经过第一间隔时间采集用户的步态信息；
[0098]
在用户刚开始进行步态调节时，会自动播放节奏缓慢的音乐曲目，然后根据用户的步态信息再切换音乐曲目。
[0099]
步态信息包括足部压力数据和步态轨迹数据；
[0100]
用户根据当前播放的音乐曲目行走，每经过第一间隔时间通过足底压力传感器和姿态传感器获取用户当前的步态信息。具体的，通过足底压力传感器采集足部压力数据；通过姿态传感器采集步态轨迹数据。其中，足底压力传感器通过感知用户行走的着力点，即步态；姿态传感器用于构建步态轨迹，即运动轨迹，作为优选的，姿态传感器可以是陀螺仪传感器。
[0101]
在本说明书的一个实施例中，姿态传感器根据足底压力传感器的电路板的位置进行放置，通常是将两块叠加。在两个传感器的位置一旦确定就要保持固定，后期尽量不要更改，以保证数据获取的稳定性。
[0102]
步态周期包括支撑相和摆动相，支撑相的时相包括首次触地、承重反应期、支撑相中期和支撑相末期，摆动相的时相包括摆动相早期、摆动相中期和摆动相末期。采集与时相对应的足部压力数据即可。足部压力数据是连续变化的，采集的间隔时间越短，预测的音乐曲目与用户的匹配度越高，为了提高调节效果，第一间隔时间优选为0.5秒。
[0103]
s3将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目；
[0104]
结合上述的步态周期，双足同一时间所处的步态时相不同。比如支撑相中期，支撑足全部着地，对侧足处于摆动期,是唯一单足支撑全部重力的时相。
[0105]
为了提高预测准确度，基于双足的相同的时相进行曲目预测。因此，按序汇总所述第二间隔时间内的多个所述步态信息，得到一个检测状态，所述第二间隔时间大于所述第一间隔时间，即所述检测状态包括多个所述步态信息，其中，第一间隔时间记为m，第二间隔时间记为n，则n＝2n*m，n为正整数。m优选为0.5秒时，作为优选的，n为1或者2，即n优选为1秒或者2秒。音乐曲目的结束阶段，可能存在n＞2n*m，此时，对应的步态信息不用作得到检测状态。
[0106]
基于步态调节策略和所述检测状态，确定预测音乐曲目。
[0107]
进行步态调节的用户初始阶段的步态偏慢，为了提高步态速度等，曲目推荐模型会推荐与当前步态信息节奏一致或节奏稍快的音乐曲目。
[0108]
判断所述当前播放的音乐曲目是否播放完毕；若未播放完毕，记录所述预测音乐曲目的编号和推荐次数。
[0109]
s4若所述当前播放的音乐曲目已播放完毕，基于预设条件从多个所述预测音乐曲目中确定下一首播放的音乐曲目，以对用户进行个性化的步态调节。
[0110]
若所述当前播放的音乐曲目已播放完毕，在当前播放的音乐曲目期间的预测音乐曲目的编号进行汇总和统计，将推荐次数最多的所述预测音乐曲目作为所述下一首播放的音乐曲目。根据用户的步态信息个性化推荐音乐曲目，使用户可以在不用专业人员的指导下即可进行步态调节，用户也可以居家使用，有效降低了步态调节的成本。
[0111]
当播放下一首音乐曲目时，清空之前记录的预测音乐曲目的编号和推荐次数，重新进行记录。
[0112]
为了进一步提升调节效果，还可以使用步态调节过程中的步态信息对曲目推荐模型进行训练优化，作为优选的，基于音乐曲目在该音乐曲目对应的播放时间内对步态的影响，优化曲目推荐模型中的步态调节策略。
[0113]
首先，根据在音乐曲目对应的播放时间内的全部步态信息，得到当前训练步态数据；
[0114]
具体的，获取在音乐曲目对应的播放时间内的步态信息，对全部步态信息进行预处理，对足部压力数据进行标准归一化处理，对步态轨迹数据进行标准归一化处理；将处理后的足部压力数据和处理后的步态轨迹数据进行数据拼接，得到当前训练步态数据。
[0115]
根据当前训练步态数据与所述音乐曲目的匹配度确定当前步态得分；具体的，通过所述当前训练步态数据与所述当前播放的音乐曲目的节奏匹配度确定当前步态得分；然后通过当前步态得分与上一步态得分的差值确定当前奖励值。
[0116]
将当前训练步态数据、当前播放的音乐曲目、当前奖励值和下一训练数据作为一个调节四元组以优化曲目推荐模型，进而以优化步态调节策略，提高音乐曲目与用户的适配性。
[0117]
为了便于用户及时、便捷的了解自己的步态调节效果，也可以向用户显示步态信息和匹配度。
[0118]
图2本说明书实施例提供的一种个性化步态调节系统的原理示意图，该系统包括：
[0119]
构建模块210，用于构建曲目推荐模型；
[0120]
采集模块220，用于基于当前播放的音乐曲目，每经过第一间隔时间采集用户的步态信息；
[0121]
预测模块230，用于将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目；
[0122]
曲目输出模块240，用于若所述当前播放的音乐曲目已播放完毕，基于预设条件从多个所述预测音乐曲目中确定下一首播放的音乐曲目，以对用户进行个性化的步态调节。
[0123]
可选的，所述预测模块230，包括：
[0124]
确定子模块，用于按序汇总所述第二间隔时间内的多个所述步态信息，得到一个检测状态，所述第二间隔时间大于所述第一间隔时间；
[0125]
预测子模块，用于根据步态调节策略和一个所述检测状态，确定一个所述预测音乐曲目。
[0126]
可选的，所述预测模块230，还包括：
[0127]
判断子模块，用于判断所述当前播放的音乐曲目是否播放完毕；
[0128]
存储子模块，用于若未播放完毕，记录所述预测音乐曲目的编号和推荐次数。
[0129]
可选的，所述曲目输出模块240，包括：
[0130]
曲目输出子模块，用于若所述当前播放的音乐曲目已播放完毕，将推荐次数最多的所述预测音乐曲目作为所述下一首播放的音乐曲目。
[0131]
可选的，还包括优化模块；
[0132]
所述优化模块，包括：
[0133]
预处理子模块，用于根据所述音乐曲目的全部步态信息，得到当前训练步态数据；
[0134]
得分确定子模块，用于根据当前训练步态数据与所述音乐曲目的匹配度确定当前步态得分；
[0135]
奖励值确定子模块，用于通过当前步态得分与上一步态得分的差值确定当前奖励值；
[0136]
优化子模块，用于将当前训练步态数据、当前播放的音乐曲目、当前奖励值和下一训练数据作为一个调节四元组以优化所述步态调节策略。
[0137]
可选的，所述预处理子模块，包括：
[0138]
所述步态信息包括足部压力数据和步态轨迹数据；
[0139]
预处理单元，用于对所述足部压力数据和所述步态轨迹数据分别进行数据归一标准化处理；
[0140]
拼接单元，用于对处理后的足部压力数据和处理后的步态轨迹数据进行数据拼接，得到所述当前训练步态数据。
[0141]
本发明实施例的系统的功能已经在上述的方法实施例中进行了描述，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。
[0142]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0143]
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的实体形式的实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
[0144]
图3为本说明书实施例提供的一种电子设备的结构示意图。图3显示的计算机设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0145]
如图3所示，该示例性实施例的计算机设备300以通用数据处理设备的形式表现。计算机设备300的组件可以包括但不限于：至少一个处理器310、至少一个存储器320、网络接口330，显示单元340，输入部件350等。
[0146]
其中，所述存储器320存储有计算机可读程序，其可以是源程序或都只读程序的代码。所述程序可以被处理器310执行，使得所述处理器310执行本发明各种实施方式的步骤。例如，所述处理器310可以执行如图1所示的步骤。
[0147]
所述存储器320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)和/或高速缓存存储单元，还可以进一步包括只读存储单元(rom)。所述存储器320还可以包括具有一组(至少一个)程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0148]
还包括总线(未示出)可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
[0149]
计算机设备300也可以与一个或多个外部设备(例如键盘、显示器、网络设备、蓝牙设备等)通信，使得用户能经由这些外部设备与该计算机设备300交互，和/或使得该计算机设备300能与一个或多个其它数据处理设备(例如路由器、调制解调器等等)进行通信。这种通信可以通过网络接口330进行，还可以通过网络适配器与一个或者多个网络(例如局域网
(lan)，广域网(wan)和/或公共网络，例如因特网)进行。网络适配器可以通过总线与计算机设备300的其它模块通信。应当明白，尽管图中未示出，计算机设备300中可使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0150]
图4是本发明的一个计算机可读介质实施例的示意图。如图4所示，所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。当所述计算机程序被一个或多个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法。
[0151]
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
[0152]
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
[0153]
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0154]
综上所述，本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理器或者数字信号处理器(dsp)等通用数据处理设备来实现本发明的一些或者全部功能。
[0155]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明
的保护范围之内。

技术特征：

1.一种个性化步态调节方法，其特征在于，包括：基于当前播放的音乐曲目，每经过第一间隔时间采集用户的步态信息；将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目；若所述当前播放的音乐曲目已播放完毕，基于预设条件从多个所述预测音乐曲目中确定下一首播放的音乐曲目，以对用户进行个性化的步态调节。2.如权利要求1所述的方法，其特征在于，所述将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目，包括：按序汇总所述第二间隔时间内的多个所述步态信息，得到一个检测状态，所述第二间隔时间大于所述第一间隔时间；根据步态调节策略和一个所述检测状态，确定一个所述预测音乐曲目。3.如权利要求1所述的方法，其特征在于，所述将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目，还包括：判断所述当前播放的音乐曲目是否播放完毕；若未播放完毕，记录所述预测音乐曲目的编号和推荐次数。4.如权利要求1所述的方法，其特征在于，所述若所述当前播放的音乐曲目已播放完毕，基于预设条件从多个所述预测音乐曲目中确定下一首播放的音乐曲目，以对用户进行个性化的步态调节，包括：若所述当前播放的音乐曲目已播放完毕，将推荐次数最多的所述预测音乐曲目作为所述下一首播放的音乐曲目。5.如权利要求2所述的方法，其特征在于，还包括：根据所述音乐曲目的全部步态信息，得到当前训练步态数据；根据当前训练步态数据与所述音乐曲目的匹配度确定当前步态得分；通过当前步态得分与上一步态得分的差值确定当前奖励值；将当前训练步态数据、当前播放的音乐曲目、当前奖励值和下一训练数据作为一个调节四元组以优化所述步态调节策略。6.如权利要求5所述的方法，其特征在于，所述根据所述音乐曲目的全部步态信息，得到当前训练步态数据，包括：所述步态信息包括足部压力数据和步态轨迹数据；对所述足部压力数据和所述步态轨迹数据分别进行数据归一标准化处理；对处理后的足部压力数据和处理后的步态轨迹数据进行数据拼接，得到所述当前训练步态数据。7.一种个性化步态调节系统，其特征在于，包括：采集模块，用于基于当前播放的音乐曲目，每经过第一间隔时间采集用户的步态信息；预测模块，用于将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目；曲目输出模块，用于若所述当前播放的音乐曲目已播放完毕，基于预设条件从多个所述预测音乐曲目中确定下一首播放的音乐曲目，以对用户进行个性化的步态调节。8.一种电子设备，其中，该电子设备包括：
处理器；以及，存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。9.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1-6中任一项所述的方法。

技术总结

本申请提供了一种个性化步态调节方法、系统、电子设备和存储介质，涉及步态调节技术领域，包括通过当前播放的音乐曲目，每经过第一间隔时间采集用户的步态信息；将每一所述步态信息依次输入到曲目推荐模型，每经过第二间隔时间推荐一个预测音乐曲目；若所述当前播放的音乐曲目已播放完毕，基于预设条件从多个所述预测音乐曲目中确定下一首播放的音乐曲目，实现不同用户的个性化步态调节，提升调节效果。提升调节效果。提升调节效果。