[发明专利]室内定位和运动状态的人体活动监测方法

说明书

一种室内定位和运动状态的人体活动监测方法，由制作室内地图、采集定位信号、处理定位信号、建立定位数据库、处理加速度信号、提取人体活动特征、建立动作数据库、识别位置和动作步骤组成。本发明根据室内空间和人体活动行为的特点，通过人体携带的加速度传感器，实时采集人体活动的行为数据，对数据进行分析，建立个人活动行为模型，所收集的数据进行对比，分类识别人的行走、站立、躺卧、坐着、突然跌倒活动行为特征。本发明经实验验证，结果表明，本发明能够准确地定位人体位置和识别出人体活动的五种典型行为，提出的特征提取及识别方法的有效性，可用于能源消耗评估、智能监测、生物医学研究、健康状况评估、健康监测等领域。

技术领域

本发明属于监测技术领域，具体涉及到室内定位和运动状态相结合的人体活动监测方法技术领域。

背景技术

随着人工智能和微机电系统的发展，行为感知技术在智能和个性化服务方面发挥着重要作用，例如老人监护、健康医疗等方面。目前对人类活动行为监测的研究中最为常见的两种方法分别是基于视频的人类活动识别和基于加速度传感器的人类活动识别。基于视频的人类活动识别技术具有较高的准确度和清晰的人体运动图像，但大多数情况下都需要多个摄像机一起工作，容易暴露用户隐私。如果只使用一个摄像机，精度就会大大降低，无法突出它的优点。

基于加速度传感器的人类活动识别方法主要包括数据采集、原始数据的预处理、特征值的提取和识别分类四个关键步骤。其中，特征提取和分类识别是最为重要的两个步骤。数据采集主要用传感器采集不同行为下的原始三轴加速度信号。原始数据的预处理方法主要包括均值滤波、小波分析、Kalman滤波等方法。特征值的提取方法当前使用最为广泛的特征有时域特征和频域特征。时域特征可以反映信号的分布情况且在计算时复杂度相对较低，在人体活动行为识别问题中被广泛应用。频域特征通过对信号的频率特征进行计算从而准确识别人体运动行为，特别是用在周期重复的人体运动。对人体活动行为进行分类方法常用的有决策树、支持向量机、最近邻法和神经网络等。

上述现有技术的缺点如下：

(1)现有的基于加速度传感器的人类活动识别方法缺失了人体动作与室内环境的关联关系，容易出现非危险动作误判的问题。

(2)对于时域特征其提取一般只考虑了一维的情况，只对加速度时间轴上的原始信号进行了提取，影响了识别的效果。方差和标准差作为特征可以识别步行和跑步等差别较大的动作，但是对于差别不大的动作识别不理想。

(3)对于频域特征的提取需要较长采样时间，对实时性影响较大。

发明内容

本发明所要解决的技术问题在于克服上述现有技术的缺点，提供一种能与室内定位相结合、对人体活动进行实时处理的室内定位和运动状态相结合的人体活动监测方法。

解决上述技术问题所采用的技术方案是由下述步骤组成：

(1)制作室内地图

在室内以一条经线与相邻一条经线间隔0.5～1m划经线，以一条纬线与相邻一条纬线间隔0.5～1m划纬线，得到小方格区域。

(2)采集定位信号

在室内地图的任意1个小方格区域的中心位置作为人站立的位置，以人站立的位置为圆心，半径为12m画圆，在圆区域内至少设置3个不在同一个小方格区域的信号发射器，以4dBm功率发射射频信号，人体携带有射频信号接收机和加速度传感器，每个射频信号接收机接收的信号强度P_R与接收距离d之间的关系按式(1)确定。

其中，X_dBm是零均值的高斯分布随机数，d₀是参考距离，P₀是相距参考距离为d₀时接收到的功率，f是传播因子,2f4。

(3)处理定位信号