[发明专利]基于压力与加速度传感器的下肢动作识别方法有效
申请号: | 201710153326.1 | 申请日: | 2017-03-15 |
公开(公告)号: | CN107092861B | 公开(公告)日: | 2020-11-27 |
发明(设计)人: | 史景伦;曾纪均;田龙伟;洪冬梅;刘玉德 | 申请(专利权)人: | 华南理工大学;华南智能机器人创新研究院 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;A61B5/11 |
代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 罗观祥 |
地址: | 510640 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 压力 加速度 传感器 下肢 动作 识别 方法 | ||
本发明公开了一种基于压力与加速度传感器的下肢动作识别方法,该方法具体实施步骤如下:首先实时采集人体下肢运动的压力传感器信号,对压力传感器信号进行预处理后,根据压力传感器数据的上升沿以及下降沿标定下肢动作的开始以及结束,当检测到压力的上升沿后开始采集加速度传感器三轴加速度信号并存储,当检测到压力的下降沿之后停止采集加速度传感器三轴加速度信号,将上升沿与下降沿之间采集的加速度传感器三轴信号称之为加速度信号片段,接着对上一步提取的加速度信号片段提取频域特征以及统计特征,提取完特征之后对提取的特征进行数据降维,最后使用训练好的分类器对降维后的特征数据进行分类,得出动作模式的分类结果。
技术领域
本发明涉及肢体动作模式识别的技术领域,具体涉及一种基于压力与加速度传感器的下肢动作识别方法。
背景技术
利用单个或者多个传感器进行人体动作模式识别分类是近年来受到世界各地研究者的广泛重视,通过对传感器信号进行有效的处理,就可以判断产生该信号的是哪一种动作,从而判断做出这种动作的人的意图以及状态。目前,加速度传感器以其体积小,功耗低,方便携带的特点收到了众多研究者的青睐,大多数人体动作模式识别的研究都采用加速度传感器作为研究的重点,基于加速度传感器的人体运动模式识别除了应用于智能人机交互外,还可应用于智能监控、健康监控、基于手持设备的上下文感知及人体运动能量消耗评估等领域,有着非常广阔的应用前景。加速度传感器还可以配合角度传感器、磁力计、压力传感器等传感器使用,实现更为精确的人体动作模式识别以及更丰富的功能。同时,也出现了许多关于人体动作模式识别的算法以及成果,但是在动作模式识别领域,还有许多需要解决以及完善的问题需要我们去探索。比如目前利用加速度传感器进行动作模式识别的过程中,需要对加速度信号进行加窗处理,使得动作识别存在延时问题,这对与需要实时进行动作模式识别的应用场景来说是不可容忍的缺陷。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷,提出一种利用压力传感器与加速度传感器相结合进行下肢动作模式识别的方法,旨在实现对下肢运动模式准确,实时以及细粒度的识别。
本发明的目的可以通过采取如下技术方案达到:
一种基于压力与加速度传感器的下肢动作识别方法,所述方法包括下列步骤:
S1、实时采集人体下肢运动的压力传感器信号,对压力传感器信号进行上升沿以及下降沿识别,根据压力传感器数据的上升沿以及下降沿标定下肢动作的开始以及结束,当检测到压力的上升沿后开始采集加速度传感器三轴加速度信号并存储,当检测到压力的下降沿之后停止采集加速度传感器三轴加速度信号,将上升沿与下降沿之间采集的加速度传感器三轴信号取为加速度信号片段;
S2、提取所述加速度信号片段的特征数据,所述特征数据包括频域特征以及统计特征;
S3、对所述加速度信号片段的特征数据进行数据降维;
S4、使用事先训练好的分类器对降维后的特征数据进行分类,得出动作模式的分类结果。
进一步地,所述对压力传感器信号进行上升沿以及下降沿识别的具体过程包括下列步骤:
R1、计算压力传感器信号P(N)的一阶差分P'(N),即
P’(N)=P(N)-P(N-1);
R2、寻找一阶差分P'(N)序列中数值大于15的极大值点与极小值点,其中极大值点为可能的上升沿,极小值点为可能的下降沿;
R3、计算以极大值或极小值点为中心,左、右指定长度的离散序列的方差σ,当方差σ大于设定阈值时,判断其为上升沿或者下降沿。
进一步地,所述步骤R3具体为:
计算以极大值或极小值点为中心,左、右指定长度为5的离散序列的方差σ,当方差σ大于设定阈值时,判断其为上升沿或者下降沿,其中,所述阈值的取值为200。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学;华南智能机器人创新研究院,未经华南理工大学;华南智能机器人创新研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710153326.1/2.html,转载请声明来源钻瓜专利网。
- 上一篇:车铣复合加工中心
- 下一篇:一种基于卷积神经网络的车道边缘检测方法