TWI356357B - A method for estimating a body pose - Google Patents
A method for estimating a body pose Download PDFInfo
- Publication number
- TWI356357B TWI356357B TW096149633A TW96149633A TWI356357B TW I356357 B TWI356357 B TW I356357B TW 096149633 A TW096149633 A TW 096149633A TW 96149633 A TW96149633 A TW 96149633A TW I356357 B TWI356357 B TW I356357B
- Authority
- TW
- Taiwan
- Prior art keywords
- posture
- acceleration
- human body
- signal
- wavelet
- Prior art date
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
記錄、判斷使用者的日常活動。Bou ten等人係利用三軸加 速度計量測人體的動態加速度,以人體的動態加速度感測 出人體消耗的能量,利用不同的動作所造成不同的能量消 耗來fO斷姿態。此習知技術係藉由一個三軸加速度計來判 斷能量差異大的動作,惟,若完全以所消耗的能量來判斷 姿態,在判斷能量損耗量差異不大的動作時,容易產生誤 判的情形,且無法判斷靜態的姿態。 此外,另一個習知技術[S. Tanaka, K. Motoi, Μ. Nogawa and K. Yamakoshi, “A new portable device for ambulatory monitoring of human posture and walking velocity using miniature accelerometers and gyroscope, ’’ in Proc. of the 2 6th Annual International Conference of the IEEE EM B S, San Francisco, USA, 2004,pp. 2283-2286.]係 提出了一個簡單的關係式,以利用加速度計計算各個身體 部位的傾斜角度,藉此觀察身體姿態。惟,此系統需要配 帶在三個身體部位,其配帶不便且不易將感測器結合在皮 帶、鞋子等常見的生活用具中,不容易實用化。 再者,參照 Karantonis等人所提出的技術[D. M. Karantonis,M. R. Narayanan, M. Mathie, N. H. Lovell and B. G. Celler, “Implementation of a Real-Time Human Movement Classifier Using a Tri axi a 1 Accelerometer for Ambulatory Monitoring,,’ IEEE Trans. Information
Technology in Biomedicine, vol. 10, Issue. 1, pp. 156-167, 2 00 6.],此習知技術係整合了多位學者的硏究成果,並將其 1356357 演算法在微控制器內實現。然而雖然此系統以群蜂(Zigbee) 模組傳送人體姿態判斷的結果資訊,但卻沒有應用到群蜂 (Zigbee)網路。相較於本發明,本發明係利用多個群蜂 (Zigbee)模組佈建出群蜂(Zigbee)無線感測網路(稍後將作 詳細說明),以同時觀察多位使用者的姿態,並增加感測範 圍,提升系統的實用性。 除了上述說明外’在此,再歸納出以下幾點習知技術 之缺失與其可改進方向: (1) 許多基於慣性感測器之姿態辨識演算法採用時域 或頻域分析,能判斷的姿態有限,故若能結合時 域與頻域的分析,將可判斷出更多人體姿態。 (2) 許多硏究提出的姿態辨識演算法運算量大,無法 直接在配帶於人體身上的微控制器執行其演算 法’因此需要將感測到的資料先存取起來再做離 線分析,無法即時地判斷人體姿態。故爲了實用 化’必須發展具備即時辨識人體姿態能力的系 統’再者’用來感測人體姿態的人體姿態感測模 組必需具備體積小、可結合日常生活用具使用等 特性’以避免造成使用者配帶的不便。 (3 ) 相關硏究幾乎皆針對單一對象作姿態感測,其無 法同時判斷多人的姿態。然而,往往家中需要被 看護者不只有一位’故未來居家看護系統必須朝 著可同時看護多人的目標發展。 此外’由於目前機器人技術日漸成熟。而許多學者希 1356357 望未來機器人可以逐漸走入家庭中,不僅能幫助人類工 作,也能扮演家庭保全、看護老年人的功能。因此本發明 發展一套多人姿態辨識系統,希望藉由此系統與機器人結 合,讓在家裡服務的機器人能夠協助看護家中老年人。由 老年人身上配戴的人體姿態感測模組,以感測器感測老年 人的姿態。並透過群蜂(Zigbee)無線感測網路,使機器人可 同時看護多位被看護者,相當適合應用在養老院或家中有 多位需要看護者的情形。當機器人感測到被看護者有跌倒 等意外發生時,機器人可馬上前往事發地點關切,並立刻 發出警訊通知子女,讓老人家們的居家安全更加保障。 本發明之目的係提供一種基於群蜂(Z1 g b e e)無線感測 網路之多人姿態辨識系統,俾藉此系統可辨識跌倒、站、 坐、躺、上樓、下樓與走路等七種人體姿態。 本發明之另一目的係提供一種人體姿態感測模組,實 現人體姿態感測演算法,並且其可與群蜂無線網路發展板 (CC2420DBK)構成群蜂(Zigbee)無線網路,達到同時觀察多 人姿態的效果。 本發明之再一目的係提供一種結合時域與小波轉換分 析之人體姿態感測演算法,藉由分析人體姿態感測模組之 三軸加速度計的讀値,可判斷出多種(諸如:跌倒、站、坐、 躺 '上樓、下樓 '走路等)人體姿態。 【發明內容】 本發明之觀點係提供一種多人姿態辨識系統,至少包 含:人體姿態感測模組,其包含:(1)三軸加速度計,用以 1356357 量測人體的加速度訊號;(2)群蜂(Zigbee)晶片,至少包含 傳送及接收暫存器、電壓轉換器及天線,並與微控制器之 介面連結’且提供連線強度及連結品質之資訊,藉以得知 節點之間的連線情形;及(3)微控制器,具有複數個可將該 三軸加速度計之類比訊號轉爲數位訊號之類比/數位轉換 器’並連結於該三軸加速度計與該群蜂晶片之間,用以初 始化該三軸加速度計、控制該三軸加速度計之休眠狀態及 選擇該三軸加速度計之量測範圍,並用以控制該群蜂晶片 之傳送及接收暫存器,以讀取或寫入暫存資料或回報晶片 狀態資訊’此外’該微控制器之複數個類比/數位轉換器可 選擇以10位元或8位元之精確度來取樣;及群蜂(Zigbee) 無線網路發展板’用以作爲群蜂無線感測網路的接收端。 俾藉複數個該人體姿態感測模組與該群蜂無線網路發展 板’可架構成一個可讓複數個該人體姿態感測模組互相溝 通之群蜂無線感測網路。 此外’上述之多人姿態辨識系統更包含電腦監測端或 機器人監測端’用以檢視使用者的姿態,並監控整個網路 中各節點的情況。而上述檢視與監控節點之功能係藉由該 電腦監測端或機器人監測端中所發展之多人監測軟體來控 制’其用以同時紀錄及統計所接收到的人體姿態資訊,以 同時監測多人姿態。 本發明之另一個觀點係提供一種估測人體姿態之方 法’包含:將三軸加速度計之讀値經過訊號前處理步驟, 分離出動態與靜態加速度;及檢查動態加速度中是否存有 -10- 1356357 因跌倒所造成之異常訊號,若無,則分析動態加速度,判 斷人體姿態處於動態或靜態姿態。其中若判斷人體姿態處 於靜態姿態’則由人體軀幹的傾斜角度判斷該人體姿態爲 站、·坐或躺之姿態;反之,若判斷人體姿態處於動態姿態, 則經由步伐偵測及步伐判斷的前處理步驟,偵測有舞步伐 的動作。在上述步伐偵測的步驟中,若偵測到步伐,則將 加速度訊號經過小波轉換,分析一般步行時能量分布頻段 之小波係數,並由該等小波係數計算特徵參數,藉以判斷 該步伐爲走路、上樓或下樓之姿態:若無偵測到步伐,則 將姿態歸類爲運動狀態。 因此’藉由本發明提出之多人姿態辨識系統搭配本發 明之估測人體姿態之方法(人體姿態估測演算法),可成功 辨識包括站、坐、躺、走路、上樓、下樓、跌倒等七種不 同的人體姿態。而透過群蜂(Zigbee)無線感測網路將分析結 果傳至電腦端(或看護機器人端)之人體姿態管理程式作統 計與記錄,將可達到同時監控多人姿態的效果。 爲使本發明之上述和其他目的、特徵及優點能更明顯 易懂,下文特舉較佳實施例,並配合所附圖式,作詳細說 明如下。 【實施方式】 參照第1圖’其爲本發明之人體姿態辨識系統之架構 圖。此姿態辨識系統包含複數個可配戴在使用者身上之人 體姿態感測模組1、群蜂(Z i g b e e)無線網路發展板2及電腦 端(或機器人端)3。其中,本發明利用複數個多個人體姿態 1356357 感測模組1與一個CC2420DBK群蜂無線網路發展板2,而 佈建成一個群蜂無線感測網路。其中該CC2420DBK群蜂無 線網路發展板2可透過RS-232埠與電腦端(或機器人端)3 溝通’並由電腦端(或機器人端)3整合及觀察群蜂無線感測 網路中各節點的資料。 再參照第2與3圖,其爲本發明之三軸加速度計、微 處理器及群蜂晶片(Chipeon CC2420)之方塊圖與控制介面 示意圖’其中微處理器係連結於三軸加速度計與群蜂晶片 之間。可藉由該微控制器12內之接腳PD 2、PD 3及PD 5對 加速度計初始化,其中接腳PD5可控制該三軸加速度計1 1 是否處於休眠狀態,而接腳PD2與PD3係控制該三軸加速 度計1 1之g-選擇1或g-選擇2兩個腳位,以選擇加速度計 1 1之感測範圍。 由於三軸加速度計之輸出爲類比訊號,故在經過低通 濾波器濾波高頻雜訊後,進入該微控制器12之三個A/D轉 換器(A/DO、A/D1及A/D3)。此外,上述之複數個類比/數 位轉換器可選擇以10位元或8位元之精確度來取樣,而爲 便於說明,茲僅例舉以選取8位元之取樣精確度來說明下 述實施例。 此外,第2與3圖的右邊部份係描述本發明之該微控 制器12與群蜂晶片(CC242 0) 13之介面接結示意圖。該微控 制器12透過群蜂晶片13的SPI(CSn、SI、SO及SCLK)介 面而設置群蜂晶片1 3的狀態,並可控制該群蜂晶片1 3的 讀取及寫入之暫存資料、或回報該群蜂晶片1 3之狀態資 -12- 1356357 訊。其中該微控制器12爲主控制器(Master),所以其接腳 MOSI(Master Output Slave Input )連接該群蜂晶片 13 的輸 入 SI ;接腳 MISO (Master Input Slave Output )係連接該群 蜂晶片13之輸出SO;接腳CSn接SS。在對該群蜂晶片13 執行動作時,接腳CSn必須設爲低電壓,而接腳SCLK則 是該微控制器12供給群蜂晶片13時脈的腳位。該微控制 器12透過接腳S◦與SI可對群蜂晶片發出命令,以讀取或 寫入群蜂晶片1 3中的接收或傳送暫存器,並控制該群蜂晶 片13之資料讀寫。此外,接腳FIFO、FIFOP、SFD、和CCA 係用來告知微控器發收資料的狀態。 本發明將可辨識之人體姿態分爲突發狀況、動態姿態 與靜態姿態等三組姿態,其中突發狀況姿態設爲跌倒姿 態;動態姿態爲走路 '上樓、下樓·,及靜態姿態爲站、坐、 躺。由於加速度計可以量測到由地心引力產生的重力加速 度與由人體產生的動態加速度,其中重力加速度在各軸的 分量可以推算出軀幹的傾斜角度,進而可以推算出相關的 靜態姿態。而動態加速度是由人體的活動所產生,其可用 來判斷走路、上樓、下樓及跌倒等動態姿態。如第4圖所 示’其爲本發明之人體姿態感測演算法之流程圖。在該三 軸加速度奸1 1之讀値經過訊號前置處理後,檢查動態加速 度中是否有由跌倒所造成的異常訊號,若無,則分析動態 加速度,判斷人體處於動態姿態或靜態姿態。若人體處於 靜態姿態’則由軀幹的傾斜角度判斷爲站、坐、躺三種姿 態;若爲動態姿態’則經由步伐偵測及步伐分析前處理的 1356357 步驟,判斷是否有無步伐的動作。若偵測到步伐,則將加 速度訊號經過小波轉換,計算特徵參數,分析一般人類步 行時能量分布的頻段之小波係數,由這些小波係數計算出 本發明所定義的特徵參數,進而可判斷此步伐爲走路、上 樓或下樓之姿態。若無偵測到步伐,則將姿態歸類爲運動 狀態。 由於99 %以上之人體的運動頻率皆小於20Hz,故根據 夏農取樣頻率定理(Shannon sampling theorem),取樣頻率的 選擇必須大於2倍的來源訊號之頻寬。不過實際應用上往 往需要5〜10倍的來源訊號頻率,因此本發明在此實施例 中採用的取樣頻率爲12 8Hz,採用微控器的Timer之溢位 中斷來控制取樣頻率。 爲了兼顧系統的反應時間及提供足夠的資料量,選擇 每收集兩秒的資料後進行一次姿態演算法的處理流程,即 每25 6筆資料作一次人體姿態辨識。每擷取到25 6筆資料 後,先進行訊號前處理,以分離出動態與靜態加速度。本 發明係利用小波轉換的方式來計算出靜態加速度,因爲所 取的資料有25 6筆,故可以作8層的Haar小波轉換乂經 過轉換後,取最低頻的一層,即代表0〜0.25Hz的小波係 數,並將其還原到時域,其代表此兩秒鐘的DC成分。至 於動態加速度,則是以原始加速度訊號減去靜態加速度訊 號而得到。 第5圖爲步行之三軸加速度訊號、靜態加速度及動態 加速度成份之曲線圖。其中最左邊第一行之曲線圖爲該三 -14- 1356357 • 速度波形大致上是呈現週期性的狀態。故 姿態的週期單位,便可將此週期單位週期 訊號長度,以利於小波轉換。 此外,由第10到12圖亦可看出,這 上樓、下樓)的z軸加速度在每一步啓動時 區域極小値,這個區域極小値可以當作步 每兩個區域極小値之間的訊號,就是受測 生的加速度訊號。由於人類的左右腳發達 '· 同,造成左右腳出力可能會不一致的現象 擷取連續兩步的步伐,即左右腳的步伐各 步伐作爲一個週期,將加速度週期化至5 ' 波轉換計算。 爲了快速找到這個區域極大値的位置 的Z軸方向加速度作平方的動作,使z軸 爲明顯,結果如第1 3圖所示,圖中之區域 開始的位置。接著將第一步中的αζ2訊號 ^ 換,因爲步伐發生的位置具有高頻成分, 轉換後的小波係數找出區域極大値發生的 中所示。由於小波轉換具有時-頻特性,故 區域極大値發生的位置推算出時域中區域 似位置,因而便可快速知道腳步發生的位 望取出兩個步伐(左右腳各一步)之間的時 因此截取第一與第三個區域極大値之間的 析步伐的對象。接著便以ζ軸第一到第三 若能找到這三種 化,得到任意的 三種步伐(走路、 皆有一個明顯的 伐開始的特徵。 者步行一步所產 程度往往不太相 ,因此本實施例 一步。以這兩步 1 2筆資料以供小 ,首先將兩秒間 加速度的變化更 極大値便是步伐 做兩層的小波轉 因此可以由小波 位置,如第14圖 可由小波係數的 極大値發生的近 置。本實施例希 域訊號做分析, 時域訊號作爲分 個區域極大値發 -18- 1356357 生的時間點之y軸及z軸加速度爲週期單位,將ay及az 的資料週期化至5 1 2點,如第15到17圖中所示,而完成 了步伐判斷的前處理程序。 將週期化後的512點的步伐向量作9層的Haar小波轉 換,用以分出各頻段的訊號成分。因爲與人體走路有關的 頻段係分佈在1〜16Hz之間,因此本論文將分佈在1〜16Hz 的頻段之小波係數視爲這三種運動狀態的能量。可由實驗 而觀察到的現象是,因爲上樓有較多的姿態變化,而這些 姿態變化的頻率低於1Hz的範圍,故上樓時的z軸方向(人 體正前方)的能量最小,其佔總能量az的比例也最小。在 此,本發明利用這個觀察到的現象,定義一個特徵參數稱 爲前方能量比例(RTF)。藉由RTF超過某個閥値來分辨出上 樓的姿態,其中該RTF之公式如式(5)中所述: RTF =
(6)
其中A爲Z軸方向之加速度,(爲Z軸方向之小波分解係數。 至於下樓姿態及走路姿態的判斷,因三軸加速度計受到y 軸方向的能量最大(鉛直方向),且z軸方向的受力遠小於 走路’故本發明定義另一個特徵參數:垂直對前方能量比 例(RVF): (7) RVF = -19- 1356357 其中\爲γ軸方向之小波分解係數,4爲z軸方向之小 波分解係數。 由RVF可分辨出下樓與走路姿態。若rvf大於某個閥 値’便可判斷爲下樓。綜合這兩個參數(RTF、RVF)便可以 判斷出走路、上樓與下樓三種姿態,第18圖爲使用者走 路,然後上樓至七樓’接著再下樓返回六樓所記錄的rTF 及RVF兩參數的變化’由此圖可看出RTF在上樓時數値 有顯著變化’而RVF在下樓時數値有顯著的變化。因此在 此實施例中當RTFM5時爲上樓,RVF>4時爲下樓,否則爲 走路’因而判斷出走路、上樓及下樓之姿態。 雖然本發明已以較佳實施例揭露如上,然其並非用以 限定本發明,任何熟悉本技藝之人士,在不脫離本發明之精 神與範圍內,當可做些許之更動與潤飾,例如:本系統可以 星狀、環狀或其它拓墣方式來建構該群蜂無線感測網路,只 要加入的監測人數不超過本發明之多人姿態管理軟體的上 限’且傳送範圍不超過群蜂無線感測網路的範圍,則即可隨 時加入此群蜂無線感測網路;本發明可與具備無線網路及 3G功能之看護機器人整合,透過機器人之人臉追蹤及無線 網路功能進行視訊會議,以即時偵測老人發生跌倒情況,並 利用手機傳送緊急簡訊通知家人,而該機器人並可主動移至 老人身邊,傳送即時影像至遠端PDA(個人數位助理),使家 人或醫師能快速得知老人情況,讓受傷的老人能儘快得到救 援;此外,本發明之人體姿態感測模組可透過其上的I/O 接腳,連接各種不同的感測器(例如可偵測人體通過的人體 -20 - Ϊ356357 紅外線感測器,或者可偵測玻璃是否被擊破的麥克風感測 與振動感測器等),佈建在環境中,當感測器偵測到異常現 象時,看護機器人便可前往事發地點查看,並傳送影像給 家人’使看護機器人不但能提供居家看護功能,也能提供 保全服務。因此本發明之保護範圍當視後附之申請專利範圍 所界定者爲準。 【圖式簡單說明】 第1圖爲本發明之人體姿態辨識系統之架構圖。 第2圖爲本發明之加速度計、微處理器及群蜂晶片 (Chipcon CC2420)之方塊圖。 第3圖爲第2圖之控制介面示意圖。 第4圖爲本發明之人體姿態感測演算法之流程圖。 第5圖爲步行之三軸加速度訊號、靜態加速度及動態 加速度成份之曲線圖。 第6圖爲人體姿態估測模組之配置與重力加速度的關 係。 第7圖爲不同姿態之訊號振幅區域(SMA)之分佈曲線 圖。 第8圖爲測試者在一段時間內跌倒十次之訊號振幅向 量(SMV)最大値(SMV_max)之曲線圖。 第9圖爲人體軀幹傾斜角度與重力加速度之間的關係 示意圖。 第10圖爲走路之三軸加速度之波形圖。 第11圖爲上樓之三軸加速度之波形圖。 -21- 1356357 • 第12圖爲下樓之三軸加速度之波形圖。 第13圖爲走路、上樓、下樓之z軸加速度之平方的波 形圖。 第1 4圖爲利用第二層小波係數找到之的區域極大値 之波形圖。 第15圖爲週期化至512點之走路波形圖。 第16圖爲週期化至512點之上樓波形圖。 第17圖爲週期化至512點之下樓波形圖。 # 第18圖爲由RTF與RVF判斷走路及上下樓之波形圖。 【主要元件 符 號 說 明】 4 人 體 姿 態 感測模組 5 群 蜂 (Zigbee)無線網 路發展板 6 個 人 電 腦 端(機器人 端) 11 二 軸 加 速 度計 12 微 控 制 器 13 群 蜂 晶 片 RF端 -22 -
Claims (1)
1356357 ; . 4 哗年p月丨<f曰修正本 修正本 *—----------1 第96149633號「估測人體姿態之方法」專利申請案 (2011年10月18日修正) 十、申請專利範圍: 1. 一種估測人體姿態之方法,包含: 將三軸加速度計之讀値經過訊號前處理步驟,分離 出動態與靜態加速度;及 檢査動態加速度中是否存有因跌倒所造成之異常訊 號,若無,則分析動態加速度,判斷人體姿態處於動態 或靜態姿態;若判斷人體姿態處於動態姿態,則經由步 伐偵測及步伐判斷的前處理步驟,偵測有無步伐的動作; - 其中,該步伐偵測及步伐判斷的前處理步驟包含: . 使用欲判斷之人體動態姿態的Z軸加速度訊號中的 區域極小値作爲步伐開始的特徵値; 擷取連續兩步的步伐作爲一個週期並將加速度週期 化至預設數量資料以供小波轉換計算; 將該Z軸加速度訊號平方並做兩層的小波轉換;& 藉由小波轉換後之小波係數找出區域極大値發生的 位置’接著推算出時域中區域極大値發生的近似位置。 2. 如申請專利範圍第i項之方法,其中若判斷人體姿態處 於靜態姿態,則由人體軀幹的傾斜角度判斷該人體姿態 爲站、坐或躺之姿態。 3. 如申請專利範圍第2項之方法,其中該人體軀幹的傾斜 角度可藉由加速度計之y感測軸所感測之靜態加速度來 判斷,並藉由下列步驟判斷該人體姿態爲站、坐或躺之 姿態: 1356357 修正本 若符合gwospi^kpcos^^g^cosW) ’則判斷該人體姿態 爲站, 若符合"cos^qwcos⑼ycos(2〇°),則判斷該人體姿態 爲坐下;及 若符合rcos(0)Sg*cos(6O°),則判斷該人體姿態爲躺下, 其中客爲地球之重力加速度、0爲地球之重力加速度 與加速度計之y感測軸之夾角、而PCOS(的代表y感測軸 所感測之靜態加速度,其爲地球重力加速度之餘弦分量。 4. 如申請專利範圍第1項之方法,其中若偵測到步伐,.則 將加速度訊號經過小波轉換’分析一般步行時能量分布 頻段之小波係數,並由該等小波係數計算特徵參數’藉 以判斷該步伐爲走路、上樓或下樓之姿態;若無偵測到 步伐,則將姿態歸類爲運動狀態。 5. 如申請專利範圍第1項之方法,其中該訊號前處理步驟 包含: 將一段步行時之三軸加速度訊號設爲原始訊號: 將此原始訊號經由小波轉換後,保留最低頻的小波 係數,經過還原得到靜態加速度訊號;及 以該原始加速度訊號減去該靜態加速度訊號,以得 到動態加速度訊號。 6. 如申請專利範圍第5項之方法,其中該靜態加速度訊號 爲地球的重力加速度之分量。 7. 如申請專利範圍第4項之方法,其中該等特徵參數至少 包含: 1356357 修正本 前方能量比例(RTF),若超過某個預設門檻値則可判 斷出是否爲上樓之人體姿態:及 垂直對前方能量比例(RVF),若大於某個預設門檻 値,則可判斷出是否爲下樓之人體姿態。 8. 如申請專利範圍第7項之方法,其中該前方能量比例 (RTF)可以下述公式表示: RTF = JK'lz 6 >=3 ,其中七爲Ζ軸方向之加速度,< 爲ζ軸方向之小波分 解係數。 9. 如申請專利範圍第7項之方法,其中該垂直對前方能量 比例(RVF)可以下述公式表示: ίχ RVF = ^— ΣΧ y=3 ,其中4爲Y軸方向之小波分解係數,4爲z軸方向之 小波分解係數。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW096149633A TWI356357B (en) | 2007-12-24 | 2007-12-24 | A method for estimating a body pose |
US12/048,678 US7742894B2 (en) | 2007-12-24 | 2008-03-14 | Multi-person pose recognition system using a zigbee wireless sensor network |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW096149633A TWI356357B (en) | 2007-12-24 | 2007-12-24 | A method for estimating a body pose |
Publications (2)
Publication Number | Publication Date |
---|---|
TW200929088A TW200929088A (en) | 2009-07-01 |
TWI356357B true TWI356357B (en) | 2012-01-11 |
Family
ID=40788681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW096149633A TWI356357B (en) | 2007-12-24 | 2007-12-24 | A method for estimating a body pose |
Country Status (2)
Country | Link |
---|---|
US (1) | US7742894B2 (zh) |
TW (1) | TWI356357B (zh) |
Families Citing this family (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009124241A1 (en) * | 2008-04-03 | 2009-10-08 | Delacom Detection Systems, Llc | A method, device and system for determining the presence of volatile organic compounds (voc) in video |
US9974908B2 (en) | 2009-07-22 | 2018-05-22 | Koninklijke Philips N.V. | Fall detectors and a method of detecting falls |
WO2011120203A1 (zh) * | 2010-04-01 | 2011-10-06 | Chen Haoran | 无线多参数近远程实时监护系统 |
WO2011127081A2 (en) * | 2010-04-06 | 2011-10-13 | Keynetik, Inc. | Situation awareness by noise analysis |
CN101925162A (zh) * | 2010-05-17 | 2010-12-22 | 南开大学 | 具有安全和定位功能的无线传感器网络节点专用处理器 |
US8548740B2 (en) * | 2010-10-07 | 2013-10-01 | Honeywell International Inc. | System and method for wavelet-based gait classification |
US8849605B2 (en) * | 2011-08-23 | 2014-09-30 | Qualcomm Incorporated | Method and apparatus for sensor based pedestrian motion detection in hand-held devices |
KR101844291B1 (ko) * | 2012-01-16 | 2018-04-03 | 삼성전자주식회사 | 신체 자세군 생성 장치 및 방법 |
US10477184B2 (en) * | 2012-04-04 | 2019-11-12 | Lifetouch Inc. | Photography system with depth and position detection |
CN102662377B (zh) * | 2012-05-17 | 2014-04-02 | 哈尔滨工业大学 | 基于无线传感器网络的多移动机器人编队系统和编队方法 |
US10716510B2 (en) | 2013-09-17 | 2020-07-21 | Medibotics | Smart clothing with converging/diverging bend or stretch sensors for measuring body motion or configuration |
US10602965B2 (en) | 2013-09-17 | 2020-03-31 | Medibotics | Wearable deformable conductive sensors for human motion capture including trans-joint pitch, yaw, and roll |
US10321873B2 (en) | 2013-09-17 | 2019-06-18 | Medibotics Llc | Smart clothing for ambulatory human motion capture |
US9588582B2 (en) | 2013-09-17 | 2017-03-07 | Medibotics Llc | Motion recognition clothing (TM) with two different sets of tubes spanning a body joint |
US9582072B2 (en) | 2013-09-17 | 2017-02-28 | Medibotics Llc | Motion recognition clothing [TM] with flexible electromagnetic, light, or sonic energy pathways |
TWI498846B (zh) * | 2012-07-06 | 2015-09-01 | Univ Nat Cheng Kung | 步態分析方法及步態分析系統 |
US9159133B2 (en) * | 2012-11-05 | 2015-10-13 | Qualcomm Incorporated | Adaptive scale and/or gravity estimation |
CN103020636B (zh) * | 2012-11-16 | 2016-05-04 | 哈尔滨工程大学 | 一种基于三维人体运动能耗仪的上下楼动作识别的方法 |
CN103886323B (zh) * | 2013-09-24 | 2017-02-15 | 清华大学 | 基于移动终端的行为识别方法及移动终端 |
CN103606248B (zh) * | 2013-09-30 | 2016-08-10 | 广州市香港科大霍英东研究院 | 一种人体摔倒自动检测方法及系统 |
JP6287360B2 (ja) * | 2014-03-06 | 2018-03-07 | オムロン株式会社 | 検査装置 |
CN104238769A (zh) * | 2014-09-05 | 2014-12-24 | 哈尔滨工业大学 | 基于三轴加速度计和陀螺仪的校园暴力检测方法 |
CN105573311A (zh) * | 2014-10-11 | 2016-05-11 | 苏州宝时得电动工具有限公司 | 自移动机器人 |
CN104571163A (zh) * | 2014-11-13 | 2015-04-29 | 无锡悟莘科技有限公司 | 一种基于无线传感器网络的自动增氧监控方法 |
CN104490401B (zh) * | 2015-01-15 | 2017-05-24 | 张�杰 | 基于加速度数据的智能终端进行人体行为自动识别的方法 |
CN104932563A (zh) * | 2015-05-21 | 2015-09-23 | 中国农业大学 | 一种水产海水育苗溶解氧自动控制装置及方法 |
JP6701634B2 (ja) * | 2015-07-06 | 2020-05-27 | オムロンヘルスケア株式会社 | 行動通知システム、運動情報測定装置、電子機器、行動通知方法、行動通知プログラム |
CN106339071A (zh) * | 2015-07-08 | 2017-01-18 | 中兴通讯股份有限公司 | 一种行为识别方法及设备 |
JP6382775B2 (ja) * | 2015-08-17 | 2018-08-29 | 日本電信電話株式会社 | 歩数計測装置、歩数計測方法、およびプログラム |
US20170103669A1 (en) * | 2015-10-09 | 2017-04-13 | Fuji Xerox Co., Ltd. | Computer readable recording medium and system for providing automatic recommendations based on physiological data of individuals |
CN105868779B (zh) * | 2016-03-28 | 2018-12-18 | 浙江工业大学 | 一种基于特征增强和决策融合的行为识别方法 |
WO2019036006A1 (en) * | 2017-08-16 | 2019-02-21 | Covidien Lp | SYNTHESIS OF SPACE-SENSITIVE TRANSITIONS BETWEEN MULTIPLE VIEWPOINTS OF VIEWING DEVICES DURING MINI-INVASIVE SURGERY |
DE112017007967T5 (de) * | 2017-08-28 | 2020-06-10 | Intel Corporation | Posenschätzung für mobile autonome vorrichtung in teilzeiträumen einer vollständigen sensorabtastung |
CN107598925A (zh) * | 2017-09-07 | 2018-01-19 | 南京昱晟机器人科技有限公司 | 一种机器人集群控制方法 |
CN109693234B (zh) * | 2017-10-20 | 2021-08-27 | 深圳市优必选科技有限公司 | 机器人跌倒预测方法、装置、终端设备及计算机存储介质 |
CN108256797B (zh) * | 2017-12-22 | 2021-06-01 | 座头鲸(上海)信息技术有限公司 | 一种货物运输状态检测方法 |
US11055984B2 (en) * | 2018-04-10 | 2021-07-06 | Network Integrity Systems, Inc. | Monitoring a sensor output to determine intrusion events |
JP7247222B2 (ja) * | 2018-05-23 | 2023-03-28 | デラヴァル ホルディング アーベー | 挙動関連データを決定するための動物タグ、方法及びコンピュータープログラム |
CN108648417A (zh) * | 2018-06-12 | 2018-10-12 | 广西科技师范学院 | 基于深度学习的树莓派老人摔倒检测系统 |
WO2020133480A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳迈瑞生物医疗电子股份有限公司 | 移动监护测量方法、移动监护设备、系统和存储介质 |
CN109631895B (zh) * | 2019-01-04 | 2023-03-31 | 京东方科技集团股份有限公司 | 一种物体的位姿估计方法和装置 |
JP7377001B2 (ja) * | 2019-03-28 | 2023-11-09 | 北陸電気工業株式会社 | 作業者転倒検知システム及び作業者位置検知システム |
CN110236896B (zh) * | 2019-06-25 | 2021-06-18 | 北京金山安全软件有限公司 | 一种行走辅助方法、装置及可移动设备 |
CN112568899A (zh) * | 2019-09-30 | 2021-03-30 | 深圳市荣盛智能装备有限公司 | 一种人员姿态判断方法和系统 |
CN111504144A (zh) * | 2020-05-27 | 2020-08-07 | 西安工业大学 | 内置式炮弹动作检测系统及其动作测量分析方法 |
CN112859187B (zh) * | 2021-01-06 | 2022-11-08 | 路晟(上海)科技有限公司 | 被探测物的姿态识别方法和装置、设备及系统 |
US11800056B2 (en) | 2021-02-11 | 2023-10-24 | Logitech Europe S.A. | Smart webcam system |
US11800048B2 (en) | 2021-02-24 | 2023-10-24 | Logitech Europe S.A. | Image generating system with background replacement or modification capabilities |
CN113706827A (zh) * | 2021-09-03 | 2021-11-26 | 浙江远图互联科技股份有限公司 | 一种居家老人生命体征的无线采集系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6201476B1 (en) * | 1998-05-06 | 2001-03-13 | Csem-Centre Suisse D'electronique Et De Microtechnique S.A. | Device for monitoring the activity of a person and/or detecting a fall, in particular with a view to providing help in the event of an incident hazardous to life or limb |
FR2804596B1 (fr) * | 2000-02-04 | 2002-10-04 | Agronomique Inst Nat Rech | Procede d'analyse d'irregularites de locomotion humaine |
US6834436B2 (en) * | 2001-02-23 | 2004-12-28 | Microstrain, Inc. | Posture and body movement measuring system |
US10417298B2 (en) * | 2004-12-02 | 2019-09-17 | Insignio Technologies, Inc. | Personalized content processing and delivery system and media |
US20070063850A1 (en) * | 2005-09-13 | 2007-03-22 | Devaul Richard W | Method and system for proactive telemonitor with real-time activity and physiology classification and diary feature |
US7733224B2 (en) * | 2006-06-30 | 2010-06-08 | Bao Tran | Mesh network personal emergency response appliance |
US8200320B2 (en) * | 2006-03-03 | 2012-06-12 | PhysioWave, Inc. | Integrated physiologic monitoring systems and methods |
US7961109B2 (en) * | 2006-12-04 | 2011-06-14 | Electronics And Telecommunications Research Institute | Fall detecting apparatus and method, and emergency aid system and method using the same |
ES2752004T3 (es) * | 2007-03-23 | 2020-04-02 | Qualcomm Inc | Recopilación y/o procesamiento de datos de múltiples sensores |
GB0708457D0 (en) * | 2007-05-01 | 2007-06-06 | Unilever Plc | Monitor device and use thereof |
US7889175B2 (en) * | 2007-06-28 | 2011-02-15 | Panasonic Corporation | Touchpad-enabled remote controller and user interaction methods |
US8718561B2 (en) * | 2007-11-20 | 2014-05-06 | Aruba Networks, Inc. | Method and apparatus for detecting and avoiding interference in a communications network |
-
2007
- 2007-12-24 TW TW096149633A patent/TWI356357B/zh not_active IP Right Cessation
-
2008
- 2008-03-14 US US12/048,678 patent/US7742894B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
TW200929088A (en) | 2009-07-01 |
US20090161915A1 (en) | 2009-06-25 |
US7742894B2 (en) | 2010-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI356357B (en) | A method for estimating a body pose | |
US9704369B2 (en) | Autonomous fall monitor using an altimeter with opposed sensing ports | |
Wang et al. | An enhanced fall detection system for elderly person monitoring using consumer home networks | |
US10304311B2 (en) | Autonomous fall monitor having sensor compensation | |
Pierleoni et al. | A high reliability wearable device for elderly fall detection | |
Abbate et al. | Monitoring of human movements for fall detection and activities recognition in elderly care using wireless sensor network: a survey | |
JP4592360B2 (ja) | 身体状態監視装置 | |
Haché et al. | Wearable mobility monitoring using a multimedia smartphone platform | |
Li et al. | Accurate, fast fall detection using gyroscopes and accelerometer-derived posture information | |
RU2546407C2 (ru) | Устройство определения движения | |
Jafari et al. | Physical activity monitoring for assisted living at home | |
Yuan et al. | Power-efficient interrupt-driven algorithms for fall detection and classification of activities of daily living | |
Yeoh et al. | Ambulatory monitoring of human posture and walking speed using wearable accelerometer sensors | |
WO2004026138A1 (ja) | 身体運動評価装置、及び身体運動評価システム | |
Hamdi et al. | Lower limb motion tracking using IMU sensor network | |
JP2001087247A (ja) | 身体活動判別方法及びその装置 | |
Nizam et al. | A study on human fall detection systems: Daily activity classification and sensing techniques | |
KR101270004B1 (ko) | 신체활동 측정 시스템, 그 측정방법, 이를 이용한 신체활동 및 응급상황 안내방법 | |
Rakhecha | Reliable and secure body fall detection algorithm in a wireless mesh network | |
CN110051361A (zh) | 一种穿戴式下肢骨骼运动检测装置 | |
Zhang et al. | A theoretic algorithm for fall and motionless detection | |
Aloqlah et al. | A headband for classifying human postures | |
Dinh et al. | Data acquisition system using six degree-of-freedom inertia sensor and Zigbee wireless link for fall detection and prevention | |
Kamienski | Fall Prediction Model for a Reconfigurable Mobile Support Robot | |
Rashya et al. | An enhanced & effective fall detection system for elderly person monitoring using consumer home networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |