[发明专利]一种基于深度学习的步长估计方法

摘要

本发明公开了一种基于深度学习的步长估计方法，步骤(1)、采集行人自由行走时的三轴加速度以及三轴角速度、四元数作为单步传感数据；步骤(2)、对于每一个单步传感数据基于双零速率修正点D‑ZIPT算法进行划分，选择F‑ZUPT点和S‑ZUPT点之间的距离得到单步传感数据；步骤(3)、通过计算单步行走在图像中跨越的像素点数目推算实际步长；步骤(4)、将规范的单步感数据后与基于视频分析得到的单步步长相关联，构建出用于学习的训练数据库；通过训练获得的智能预测模型对行人行进过程中的单步步长进行估计，并通过结果反馈和优化预测模型。与现有技术相比，本发明结合PDR系统的双零速率修正点D‑ZUPT技术，提高了步长估计的精度。

主权项

一种基于深度学习的步长估计方法，其特征在于，该方法包括以下步骤：步骤(1)、采集行人自由行走时的三轴加速度以及三轴角速度作为单步传感数据；步骤(2)、对于每一个单步传感数据基于双零速率修正点D‑ZUPT算法进行划分；具体方法如下：依据人员运动过程中的规律性和周期性，对人员行走的步态周期和相应的加速度进行对应和分解，即设“脚尖离地”时刻为第一零速率修正点F‑ZUPT，“脚跟着地”时刻为第二零速率修正点S‑ZUPT；如果i时刻的三轴加速度满足公式如下时，即判定为F‑ZUPT点：|δaiNδt|+|δaiEδt|+|δaiDδt|≥Mth|aiN|+|aiE|+|aiD|≤Nth]]>其中，t表示采样间隔，和分别表示i时刻的人员的三轴加速度，Mth和Nth分别表示加速度斜率阈值和加速度阈值；当人员脚跟触地时，人员运动的三轴加速度在这个瞬间就会产生一个拐点，即满足下式：其中，表示i时刻的任一轴的加速度，即和集合；将满足该式的时间点集合定义为触地瞬间时间组lgp，在lgp中选取S‑ZUPT点，具体处理如下：计算lgp中三轴加速度的绝对值，选取最大加速度的时刻m；将时刻m后的第二个时间点当作S‑ZUPT点；选择F‑ZUPT点和S‑ZUPT点之间的距离得到单步传感数据；步骤(3)、采用视频分析的方法对实际步长进行推算，通过计算单步行走在图像中跨越的像素点数目推算实际步长；步骤(4)、将规范的单步感数据后与基于视频分析得到的单步步长相关联，构建出用于学习的训练数据库；通过训练获得的智能预测模型对行人行进过程中的单步步长进行估计，并通过结果反馈和优化预测模型。