IPC分类（公开）：A61B5/0205;G06N3/08;A61B5/01;A61B5/11;A61B5/00;G06N3/04;G06K9/00;G06K9/62

CPC发明（公开）：G06K9/00503;A61B5/6802;G06K9/00536;G06K9/629;G06N3/084;G06N3/0481;A61B5/02055;A61B5/01;A61B5/11;A61B5/7267

本发明公开了一种基于可穿戴设备的人体动作预测方法，包括：利用多个传感器采集信息；对收集到传感器信息进行预处理，得到平滑的五维运动状态数据序列；将预处理得到的状态数据输入多维序列信号动作预测网络模块进行识别分类，输入为一个匀速运动状态特征和一个带动作的运动特征组成的融合特征，通过双向序列信息记忆序列记忆层的提取特征；引入注意力机制通过加权求和突出运动状态数据序列中重要动作的序列点，提升整个网络模型的计算效率；最后将特征层送入输出层，分类输出动作状态结果。本发明方法解决了现有可穿戴设备的人体动作预测问题，降低了人体动作预测网络模型需要图像的依赖，减少了传感器数量，使智能可穿戴设备更智能更轻便。