人体步态预测方法、装置、电子设备及存储介质

1.一种人体步态预测方法，其特征在于，包括：

2.根据权利要求1所述的人体步态预测方法，其特征在于，所述对所述当前表面肌电信号对应的当前信号窗进行多个维度的肌电特征学习与步态模式预测，得到当前预测结果，包括：

3.根据权利要求2所述的人体步态预测方法，其特征在于，所述空间卷积神经网络模块包括第一空间cnn模块和第二空间cnn模块，所述时域/频域卷积神经网络模块包括第一时域/频域cnn模块、第二时域/频域cnn模块、第三时域/频域cnn模块和第四时域/频域cnn模块，所述双向长短时记忆网络模块包括第一bilstm模块、第二bilstm模块、第三bilstm模块和第四bilstm模块；所述基于多维特征学习的步态预测模型包括空-时分支、时域分支、空-频分支、频域分支和所述全连接模块，所述空-时分支包括顺次连接的所述第一空间cnn模块、所述第一时域/频域cnn模块和所述第一bilstm模块，所述时域分支包括顺次连接的所述第二时域/频域cnn模块和所述第二bilstm模块，所述空-频分支包括顺次连接的所述第二空间cnn模块、所述第三时域/频域cnn模块和所述第三bilstm模块，所述频域分支包括顺次连接的所述第四时域/频域cnn模块和所述第四bilstm模块，所述第一bilstm模块的输出端、所述第二bilstm模块的输出端、所述第三bilstm模块的输出端和所述第四bilstm模块的输出端均与所述全连接模块的输入端连接；

4.根据权利要求2所述的人体步态预测方法，其特征在于，所述空间卷积神经网络模块包括第一卷积层、第一批量归一化层和维度混洗层；在所述空间卷积神经网络模块中，输入数据通过所述第一卷积层的卷积操作和所述第一批量归一化层的规范化处理后，通过修正线性单元激活函数进行非线性变换，最后通过所述维度混洗层进行维度重排后输出；

5.根据权利要求1所述的人体步态预测方法，其特征在于，所述目标步态预测结果包括当前预测步态模式；所述根据所述当前预测结果和预先存储的多个相邻信号窗对应的相邻预测结果，确定目标步态预测结果，包括：

6.根据权利要求5所述的人体步态预测方法，其特征在于，所述目标步态预测结果还包括预测步态切换模式；所述将所述当前步态分类结果中概率值最大的步态模式，确定为当前预测步态模式之后，所述人体步态预测方法还包括：

7.根据权利要求1-6中任一项所述的人体步态预测方法，其特征在于，所述获取人体下肢的当前表面肌电信号，包括：

8.一种人体步态预测装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的人体步态预测方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1-7中任一项所述的人体步态预测方法。