多传感器集成的人体运动姿态捕获与识别装置的制造方法
【专利摘要】本发明涉及一种多传感器集成的人体运动姿态捕获与识别装置。本装置包括三轴加速度传感器、三轴角速度传感器、单片机和电源管理模块,安装在人体的小腿部位,利用三轴加速度传感器和三轴角速度传感器提取人体在运动过程中的加速度数据以及角速度数据,先将采集到的加速度数据和角速度数据进行预处理,再使用时域分析和频域分析的方法对采集到的数据进行分析并提取出特征量,将提取到的特征量作为朴素贝叶斯分类器的输入,利用朴素贝叶斯分类器分类和识别人体当前的运动姿态。与基于计算机视觉技术的人体运动姿态识别方法相比,基于单片机的人体运动姿态识别和监测技术具有不泄露使用者的隐私、携带方便简洁、检测准确等诸多优点。
【专利说明】
多传感器集成的人体运动姿态捕获与识别装置
技术领域
[0001] 本发明属于基于传感器采集人体运动过程中产生的数据并且分析和识别的领域。
【背景技术】
[0002] 在模式识别领域,人体运动姿态的识别已经成为当前研究的热点。最近几年,伴随 人机交互等技术的快速发展,在竞技体育、康复治疗、体感游戏等各个方面,人体运动姿态 识别技术得到了普遍应用。运些应用中,在生物医学领域方面比较典型的例子是专口用于 检测和评估老年人W及正在进行康复治疗的运一特殊人群日常生活的应用。在日常生活中 采集老年人的运动数据,建立大样本运动数据库,进而通过对运动信息的数据挖掘和分析, 估计和预测老年人的行动能力,并且能够预报潜在跌倒的可能,对预防老年人因各种内在 和外在的因素而发生的意外跌倒具有极其重要的意义。
[0003] 虽然最近几年基于传感器的人体运动姿态识别技术发展飞速,已经有很多研究都 能够准确地识别人体在日常生活活动过程中所展示的几种最基本的姿态,但是目前的研究 人员对人体上楼和下楼姿态的研究工作还并不多见。
【发明内容】
[0004] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种精度较高的多 传感器集成的人体运动姿态捕获与识别装置。
[0005] 所述的目的是通过W下方案实现的: 本发明针对可穿戴式传感器的人体运动姿态捕获与识别装置,是一种由单片机、Ξ轴 加速度传感器、Ξ轴角速度传感器、电源管理模块等组成的可穿戴的、便携式的用于捕获和 识别人体运动姿态的传感器终端。本发明由单片机控制Ξ轴加速度传感器和Ξ轴角速度传 感器采集人体当前运动姿态的数据,对所采集到的数据进行预处理、时域分析和频域分析 之后,提取数据的时域和频域上的特征量,即提取加速度和角速度的均值、方差、零点穿越 次数、时域面积积分和幅频特性作为识别分析的特征量,将运些特征量作为朴素贝叶斯分 类器的输入,由朴素贝叶斯分类器分类和识别人体当前的运动姿态。
[0006] 所述的可穿戴式传感器包括相连接的固定件和检测装置。
[0007] 所述的固定件包括腕带、腰带或其他连接带。
[000引所述的检测装置包括相连接的检测传感器和单片机,单片机控制Ξ轴加速度传感 器和Ξ轴角速度传感器进行数据采集,并将采集到的运动数据和信息存储到自带的Flash 中。
[0009] 所述的单片机为IAP15F2K61S2系列单片机。
[0010] 所述的Ξ轴加速度传感器为ADXL345^轴加速度传感器。
[0011] 所述的Ξ轴角速度传感器为L3G4200DS轴数字巧螺仪。
[0012] 所述的预处理的内容包括对采集到的数据进行中值滤波和将采集到的数据换算 为十进制形式。
[0013] 所述的时域分析方法为SVM(Signal Vector Magnitude)加速度模向量算法。
[0014] 所述的频域分析方法为FFT快速傅里叶变换。
[0015] 所述的特征量为加速度和角速度的均值、方差、零点穿越次数、时域面积积分和幅 频特性。
[0016] 所述的分类和识别为采用朴素贝叶斯分类器对输入的特征量进行分类和识别。
【附图说明】
[0017] 为了使本发明的目的技术和方案更加清楚,下面将结合附图对本发明作进一步的 详细描述: 图1示出多传感器集成的人体运动姿态捕获与识别系统设计结构框图; 图2示出测量装置佩戴位置示意图; 图3示出朴素贝叶斯分类器模型。
【具体实施方式】
[0018] W下将结合附图和具体实施例对本发明进行详细说明。本发明W本实用新型为 前提进行实施,给出了详细的实施方式和具体的操作过程,但本设计的保护范围不限于下 述的实施例。
[0019] 如图1所示,多传感器集成的人体运动姿态捕获与识别系统中的数据采集模块包 括:Ξ轴加速度传感器(3)、Ξ轴角速度传感器(4)、电源管理模块(6)、单片机(7),负责采集 并存储运动数据和信息。人体运动姿态捕获与识别系统中的数据处理模块主要利用matlab 程序分析(10)实现,负责数据的预处理(11)、特征量(加速度和角速度的均值、方差、零点穿 越次数、时域面积积分和幅频特性)的提取(12)和朴素贝叶斯分类器(13)分类,最后分析 并得出结论(14)。
[0020] 本发明选用AML345S轴加速度传感器,接收人体运动过程中产生的加速度信号 (1),测量人体运动过程中产生的加速度的矢量数据。Ξ轴加速度传感器(3)采用直角坐标 系,其中Z轴指向人体的前进方向,Y轴指向人体的右侧,X轴与人体平行并指向人体的头部。 加速度在人体日常运动的过程中会发生巨大变化,为了准确地采集到人体日常运动过程中 产生的加速度数据,本发明采用了 ± 16g作为人体运动信息采集装置的测量范围。当传感器 的量程范围为±16g时,对应的传感器分辨率为3.9mg/LSBDLSB为加速度传感器的单位。
[0021] 本发明的Ξ轴角速度传感器(4)选用L3G4200D Ξ轴数字巧螺仪,接收人体运动过 程中产生的角速度信号(2),测量人体运动过程中产生的角速度的矢量数据。Ξ轴角速度传 感器(4)同样采用直角坐标系。
[0022] 本发明中,多传感器集成的人体运动姿态捕获与识别系统中的数据采集模块中Ξ 轴加速度传感器(3)和Ξ轴角速度传感器(4)的采样频率设置为25化。
[0023] 本发明中的单片机(7)选用IAP15F2K61S2系列单片机,单片机(7)控制Ξ轴加速 度传感器(3)和Ξ轴角速度传感器(4)采集人体运动的数据,并通过I2C总线协议(5)将采集 到的运动数据和信息存储到单片机(7)自带的Flash中。
[0024] 电源管理模块(6)负责为单片机(7)、各传感器(3、4)W及电路板上的所有电子元 件供电。
[0025] 当多传感器集成的人体运动姿态捕获与识别系统中的数据采集装置连接到上位 机(9)机上后,将存储的信息读出并通过UART串口通信协议(8)发送给上位机(9),并用 ".TXT"文本存储起来。
[0026] 多传感器集成的人体运动姿态捕获与识别系统中的数据采集装置的佩戴位置如 图2所示,将各传感器佩戴在小腿部位。图2所示的右腿上的传感器(15)和左腿上的传感器 (17)为Ξ轴加速度传感器(3),图2所示的右腿上的传感器(16)和左腿上的传感器(18)为Ξ 轴角速度传感器(4)。
[0027] 本发明对需要进行处理的加速度数据和角速度数据利用matlab程序分析(10),先 分别将加速度数据和角速度数据进行预处理(11)。其中,预处理(11)的内容包括对采集到 的数据进行中值滤波,W及将采集到的数据换算为十进制形式。原始采集到的数据包含了 大量的噪声,例如人的身体不自主晃动而产生的噪声和传感器的噪声,对采集到的数据进 行中值滤波,有利于得到更准确的数据用来后续分析。本发明利用的是十进制的数据来计 算加速度和角速度的均值、方差、零点穿越次数、时域面积积分和幅频特性,故需要将采集 到的数据换算成十进制的数据。
[00%]在预处理(11)之后,matlab程序分别计算整个过程中加速度和角速度的均值、方 差、零点穿越次数、时域面积积分和幅频特性,获得特征量。其中,用到的时域分析方法为 SVM(Signal Vector Ma即itude)加速度模向量算法,用到的频域分析方法为FFT快速傅里 叶变换。
[0029] 而后利用朴素贝叶斯分类器(13),将运些特征量作为朴素贝叶斯分类器(13)的输 入,最后分析并得出结论(14)。
[0030] 本发明利用朴素贝叶斯分类器进行特征分类和识别。朴素贝叶斯分类器模型如图 3所示,用C(S1)来表示类结点(变量),用Ai(S2),A2(S3),. . .,An(S4)来表示属性结点(变 量).在朴素贝叶斯分类器中,给定类结点(变量)后,各属性结点(变量)之间相互独立。
[0031 ]假设每一个数据样本都使用同一个η维特征向量x= {xi,X2,· · ·,xn}表示,分别描述 对η个属性Ai(S2),A2(S3),. . .,An(S4)的η个度量;如果有m个需要定义的类别,类标号为 (Cl,C2,…,Cm}。假如有一个未知的数据样本X,分类器就会给X赋予具有最高后验概率的类 标号。也就是说,朴素贝叶斯分类器把给定的样本分配给类。,当且仅当
由公式(1)的条件,P(Ci|x)达到最大值。其令P(Ci|x)达到最大值的类Cl称为最大后验 假定。
[0032]根据上面的公式(1)可W将朴素贝叶斯公式进行如下转换:
其中,f(x)将所有的类看作常数,P(Ci)是类的先验知识,P(x |Ci)就成为计算的主要 目标。因为实例X有η个属性,而根据朴素贝叶斯分类器的类条件独立假设,属性之间相互独 立,则有:
应用朴素贝叶斯分类器能够较好地解决上楼和下楼的运动姿态混淆问题。人体上楼和 下楼的运动姿态直接决定每个特征的分布情况,故可用一个随机变量表示上楼和下楼的运 动姿态,用随机变量节点表示特征。每个相互独立的特征提前做好样本训练,结算每个样本 特征的概率,得到一张样本特征概率表。 其中朴素贝叶斯分类器分类和识别人体运动姿态的过程如下:采集到的加速度数据和 角速度数据经过预处理(11)和特征量(加速度和角速度的均值、方差、零点穿越次数、时域 面积积分和幅频特性)的提取(12)之后,将特征量送入朴素贝叶斯分类器(13)中进行分类。 朴素贝叶斯分类器(13)计算当前特征的概率,如果认定当前特征为某一种姿态的概率超过 认定为其他姿态的概率,并且超过设定的阔值,则将当前数据识别为运种姿态。否则,不能 识别当前数据为哪种姿态。通过W上所述的方式,本发明能够相对准确地区分跑、走、跳跃、 上楼和下楼多种运动姿态。
【主权项】
1. 多传感器集成的人体运动姿态捕获与识别装置,其特征在于,是一种由单片机、三轴 加速度传感器、三轴角速度传感器、电源管理模块等组成的可穿戴的、便携式的用于捕获和 识别人体运动姿态的传感器终端;其特征在于它包括由单片机控制三轴加速度传感器和三 轴角速度传感器采集人体当前运动姿态的数据,对经过预处理后的数据利用matlab程序进 行分析并且提取特征量,最后使用朴素贝叶斯分类器分类和识别人体当前的运动姿态。2. 根据权利要求1所述的多传感器集成的人体运动姿态捕获与识别装置中,其特征在 于,利用matlab程序提取的特征量为加速度和角速度的均值、方差、零点穿越次数、时域面 积积分和幅频特性。3. 根据权利要求1所述的多传感器集成的人体运动姿态捕获与识别装置中,其特征在 于,将三轴加速度传感器和三轴角速度传感器相结合,共同采集数据并且进行预处理和特 征提取,提升了一些人体基本日常姿态识别的正确率。4. 根据权利要求1所述的多传感器集成的人体运动姿态捕获与识别装置中,其特征在 于,应用贝叶斯分类器解决上楼和下楼动作混淆问题;三轴加速度传感器和三轴角速度传 感器相结合,将其采集到的数据进行预处理、特征量提取后,利用朴素贝叶斯分类器进行分 类和识别,能够相对准确地区分跑、走、跳跃、跌倒、上楼和下楼多种运动姿态。
【文档编号】A61B5/11GK105877757SQ201610189437
【公开日】2016年8月24日
【申请日】2016年3月30日
【发明人】刘卓夫, 应琼媚, 刘雪, 赵虹
【申请人】哈尔滨理工大学