[发明专利]一种基于多加速度传感器的瑜伽动作识别方法

权利要求书

1.一种基于多加速度传感器的瑜伽动作识别方法，其特征在于，所述方法包括如下步骤：

S1：首先在瑜伽运动者的双手手腕、双脚脚腕、胸前、额头佩戴内置加速度计的微型处理器的手环、脚环、胸带、头带，采集加速度计的X、Y、Z三个方向的加速度数据；

S2：瑜伽运动者运动时，加速度计感知运动者的加速度变化采集加速度数据发送至微处理器，微处理器将加速度数据打包通过无线传输技术发送至客户端；

S3：客户端收到来自不同的加速度计采集的数据，利用同步技术对数据进行对齐，将对齐后的所有数据排成样本数据矩阵，然后对样本数据矩阵进行预处理，提取表征动作的样本特征矩阵；

S4：手机客户端后台将样本特征矩阵与存储在数据库中动作标准特征矩阵进行匹配，实现瑜伽动作的识别；

所述样本数据矩阵的计算过程如下：

采集m个加速度传感器的X-Y-Z三个方向的数据，把方向记为k，k∈{x,y,z}，每一个传感器的数据进行时间同步后，用三个向量分别表示三个不同方向的数据，把这三个向量都统称为单向数据向量V，把第i个传感器中k方向的单向数据向量记为Vik，则矩阵Di=（Vix，Viy，Viz）（i∈ [1，m] ）可以表示第i个传感器中三个方向的数据，把所有矩阵Di都统称为三向数据矩阵D， m个传感器总共形成的m个三向数据矩阵，把所有的三向数据矩阵组合起来，记为矩阵S=（D1，…，Dm），矩阵S称为样本数据矩阵，样本数据矩阵S代表了一个瑜伽者动作的所有加速度数据；

所述样本特征矩阵的计算过程如下：把第i个传感器中k方向的单向数据向量Vik进行处理和特征提取后，得到的向量记为Wik，并统称为单向特征向量W；三向特征矩阵E由单向特征向量W组成,第i个传感器的三向特征矩阵Ei=（Wix，Wiy，Wiz）（i∈ [1，m]），把m个三向特征矩阵全部组合起来，形成样本特征矩阵T=（E1，…，Em），样本特征矩阵T代表了瑜伽运动者动作的所有加速度特征；

所述的标准特征矩阵T*计算过程如下：

（1）采集一个固定瑜伽动作s*t个样本数据矩阵S，样本数据矩阵S包含有3m个单向数据向量，对单向数据向量进行特征提取，将单向数据向量V变成单向特征向量W ，步骤如下：

（1.1）进行单向数据向量V滤波去噪、数据分组、数据补零填充处理以及数据拟合处理；

（1.2）获取初始单向特征向量V；

（1.3）对初始单向特征向量V消冗处理，去掉冗余数据；

（2）.使用步骤1.1-1.3方法将样本数据矩阵S的 3m个单向数据向量化为3m个单向特征向量，3m个单向特征向量组成样本特征矩阵T，定义获取第i个传感器第k方向的标准单向特征向量Wik*，以及获取用户单向数据向量转化成单向特征向量时，使用的最佳阈值Fik*、最佳窗口长度Nik*的具体方法；具体步骤如下：

（2.1）从样本数据矩阵S中取出第i个传感器中k方向的单向数据向量Vik，共取出s*t个单向数据向量，代表不同样本中同一个传感器同一个方向的单向数据矩阵；把第j个样本数据矩阵Sj中第i个传感器k方向的单向数据向量记为Vjik，则所有s*t个Vik组成的选优矩阵Uik =（V1ik，V2ik，…，V（s*t）ik）；然后将选优Uik中的Vjik向量依次代入上面对瑜伽教练的单向数据向量V提取特征的步骤，每次Vjik向量代入都使用相同的相同窗口长度N和阈值F，最终获得s*t个关于i传感器k方向的特征序列向量｛W1ik，W2ik，…，W（s*t）ik｝；

（2.2）在当前的窗口长度N和阈值F下，统计上一步获得的所有特征序列向量｛W1ik，W2ik，…，W（s*t）ik｝中相同的个数，记为C；

（2.3）改变窗口长度N和阈值F，重复步骤2.1）～步骤2.2），直到第n次结束；比较每一次迭代中C的大小，若第p次迭代C值最大，则将第p次的阈值F、窗口长度N和特征序列向量分别作为第i个传感器k方向的最佳阈值Fik*、最佳窗口长度Nik*及标准单向特征向量Wik*，存入数据库；

（3）.一个固定的瑜伽动作通过步骤2.3可以得到其第i个传感器k方向的标准单向特征向量Wik*，以及第i个传感器k方向的单向数据向量Vik要转换成单向特征向量Wik时对应的最佳阈值Fik*及最佳窗口长度Nik*的大小，

标准特征矩阵T*由3m个标准单向特征向量W*组成；因此，通过重复上面的2.1-2.3三个步骤，就可以获取所有的3m个最佳阈值Fik*、最佳窗口长度Nik*及标准特征序列Wik*，将最佳阈值Fik*、最佳窗口长度Nik*及标准特征序列Wik*组合到一起，便得到最终最佳阈值向量F*、最佳窗口长度向量N*及标准特征矩阵T*。