[发明专利]一种下肢动态动作模式识别方法有效
| 申请号: | 202011584446.5 | 申请日: | 2020-12-28 |
| 公开(公告)号: | CN112733631B | 公开(公告)日: | 2023-06-13 |
| 发明(设计)人: | 王念峰;张新浩;张宪民;黄伟聪 | 申请(专利权)人: | 华南理工大学;广东天物新材料科技有限公司 |
| 主分类号: | G06V40/20 | 分类号: | G06V40/20;G06V10/77 |
| 代理公司: | 广州市华学知识产权代理有限公司 44245 | 代理人: | 林梅繁 |
| 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: | 一种 下肢 动态 动作 模式识别 方法 | ||
1.一种下肢动态动作模式识别方法,其特征在于,包括如下步骤:
步骤S1、采集行走、跑步、上楼梯和下楼梯四种动态动作模式过程中的欧拉角、角速度和加速度信号;采集所述四种动态动作模式过程中的足底压力信号;
步骤S2、确定出每个步态后脚跟着地的时间点,以后脚跟着地的时间点后预设时间窗口作为特殊数据窗口,截取每个步态中在特殊数据窗口内所采集的信号数据;
步骤S3、对四种动态动作模式的特殊数据窗口中的信号数据进行特征提取,计算特殊数据窗口的绝对均值、均方根、方差、波长和威尔逊幅值五个特征值;将每一个特殊数据窗口计算的五个特征值组成特征向量;
步骤S4、对一半的特征向量进行训练,得到类内散列矩阵和类间散列矩阵,再进一步得到最优降维矩阵和四种动作模式所对应的标签向量;
步骤S5、将另一半特征向量用于识别,将待识别的特征向量用最优降维矩阵进行降维操作,通过降维后的再识别特征向量与四种动态动作模式所对应的标签向量进行比较,确定其识别的动作模式。
2.根据权利要求1所述的下肢动态动作模式识别方法,其特征在于,步骤S2中将预设时间窗口设为两百毫秒。
3.根据权利要求1所述的下肢动态动作模式识别方法,其特征在于,步骤S1中实验对象行走和跑步的动作模式在跑步机上完成,上下楼梯的动作模式在楼梯上完成。
4.根据权利要求1所述的下肢动态动作模式识别方法,其特征在于,步骤S4中在训练过程中,得到的类间散列矩阵为:
类内散列矩阵为:
其中,C代表动作模式的数量,即C=4;mi代表每种模式所包含特征向量的数量;μi则代表第i个动作所有特征向量的平均值;μ代表所有动作的所有特征向量的平均值;xj则代表某个动作模式内,第j个特征向量;
通过构造瑞利商形式的J(W),求得J(W)的最大值,求得最佳降维矩阵W:
求取最佳降维矩阵W的方法是先求的特征值和特征向量,根据特征值由大到小对特征向量进行排序,然后取前t个特征向量组成投影矩阵,t代表的是降维后的数据维度,当需要降维的特征组合向量的维度大于要识别的动作模式的类别数量时,规定降维后的数据维度t为C-1;当需要降维的特征组合向量的维度小于要识别的动作模式的类别数量时,规定降维后的数据维度为特征组合向量的维度减去1;当需要降维的特征组合向量维度为1维时则降维后的数据维度t=1。
5.根据权利要求1所述的下肢动态动作模式识别方法,其特征在于,步骤S1通过位于实验对象大腿前侧的惯性测量单元采集欧拉角、角速度和加速度信号;通过足底压力传感器采集四种动态动作模式过程中的足底压力信号。
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;广东天物新材料科技有限公司,未经华南理工大学;广东天物新材料科技有限公司许可,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/202011584446.5/1.html,转载请声明来源钻瓜专利网。





