摘要
本发明涉及一种运动量估算方法和配套可穿戴设备,方法包括使用传感器设备获取人体日常活动量的原始数据,提取原始数据的特征,得到原始特征集;采用遗传算法对从原始特征集进行迭代优选,得到最优的特征子集,其中,在采用遗传算法迭代优选的过程中伴随着深度森林模型的训练,最优的特征子集构建的深度森林模型作为最优的深度森林模型;将最优的深度森林模型部署于云端,在云端使用部署好的深度森林模型进行运动量估算。本发明结合了深度森林与遗传算法,一方面去除特征之间的信息冗余度,一定程度上可以带来估计精度提升;另一方面大大减少了估计所需的特征数量,减轻了边缘计算时硬件设备的负担;此外云端的估计模型复杂度也得到了下降。