1.一種基于人工智能的體位識別方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的體位識別方法，其特征在于，所述體位數(shù)據(jù)序列包括受試者的頭部位置數(shù)據(jù)序列；
3.根據(jù)權(quán)利要求1所述的體位識別方法，其特征在于，在對所述體位數(shù)據(jù)序列進(jìn)行預(yù)處理之前還包括：
4.根據(jù)權(quán)利要求1所述的體位識別方法，其特征在于，所述體位識別模型的模型架構(gòu)包括：若干卷積神經(jīng)網(wǎng)絡(luò)、時間序列神經(jīng)網(wǎng)絡(luò)和/或注意力機(jī)制網(wǎng)絡(luò)、以及轉(zhuǎn)置輸出層；其中：
5.根據(jù)權(quán)利要求3所述的體位識別方法，其特征在于，所述時間序列神經(jīng)網(wǎng)絡(luò)包括雙向長短時記憶網(wǎng)絡(luò)、循環(huán)卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、門控循環(huán)單元之中的任意一種。
6.根據(jù)權(quán)利要求1所述的體位識別方法，其特征在于，在識別所述體位數(shù)據(jù)序列包含的各特定體位，以及每個特定體位的起止時間點之后，還包括：
7.根據(jù)權(quán)利要求2所述的體位識別方法，其特征在于，還包括：通過攝像頭采集受試者在做bppv變位試驗時體位變化的視頻數(shù)據(jù)；并在對所述體位數(shù)據(jù)序列進(jìn)行預(yù)處理，獲得待輸入的標(biāo)準(zhǔn)數(shù)據(jù)序列之后，還包括：
8.根據(jù)權(quán)利要求1所述的體位識別方法，其特征在于，還包括：通過攝像頭采集受試者在做bppv變位試驗時體位變化的視頻數(shù)據(jù)；且，所述體位識別模型包括第一識別模型和第二識別模型；所述的將所述體位數(shù)據(jù)序列輸入至訓(xùn)練好的所述體位識別模型進(jìn)行識別，具體包括：
9.一種基于人工智能的體位識別裝置，其特征在于，包括：
10.一種基于人工智能的體位識別系統(tǒng)，其特征在于，包括：權(quán)利要求9所述的體位識別裝置；以及：
11.根據(jù)權(quán)利要求10所述的體位識別系統(tǒng)，其特征在于，所述體位數(shù)據(jù)采集設(shè)備為頭戴設(shè)備，所述頭戴設(shè)備中設(shè)置有運動傳感器。
12.根據(jù)權(quán)利要求10所述的體位識別系統(tǒng)，其特征在于，所述體位數(shù)據(jù)采集設(shè)備為bppv轉(zhuǎn)椅，所述bppv轉(zhuǎn)椅用于根據(jù)操作者指令對受試者進(jìn)行bppv變位實驗，并在變位試驗過程中實時將轉(zhuǎn)椅轉(zhuǎn)動信息傳輸給所述體位識別裝置。