CN103340634B - 一种基于加速度变化检测人运动状态的方法 - Google Patents
一种基于加速度变化检测人运动状态的方法 Download PDFInfo
- Publication number
- CN103340634B CN103340634B CN201310240604.9A CN201310240604A CN103340634B CN 103340634 B CN103340634 B CN 103340634B CN 201310240604 A CN201310240604 A CN 201310240604A CN 103340634 B CN103340634 B CN 103340634B
- Authority
- CN
- China
- Prior art keywords
- acceleration
- people
- threshold value
- sampled value
- auto
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开一种基于加速度变化检测人运动状态的方法,其具体包括如下步骤:A、将内嵌有加速度传感器的移动设备放置在人身上的任意位置,并比较所述加速度传感器的加速度采样值与预设加速度阈值的大小关系,根据比较结果判断人是否在运动。B、若步骤A判断出人在运动,则利用自相关函数计算加速度采样值的自相关程度。C、将所述自相关程度与预设自相关度阈值进行比较,根据比较结果判断人是否在走路。本发明根据移动设备采集的加速值变化就能判断出人是否在走路,不仅计算方法简单,判断结果精确,而且具有很强的实际意义及推广价值。
Description
技术领域
本发明涉及一种人运动状态检测方法,尤其涉及一种基于加速度变化检测人运动状的方法。
背景技术
随着通信技术,嵌入式设备的日趋成熟,越来越多的芯片以及传感器被集成到了移动设备中。例如加速度传感器、全球定位系统(GPS)、陀螺仪、磁传感器等。这些传感器通常用来提高移动设备的娱乐特性,例如基于加速度传感器的体感游戏。然而近几年随着科研界的发展,人们把目光越来越多的放在如何利用这些传感器来进行以人为中心的计算上,例如通过判断人们的运动状态,来选择合适的数据传输策略来优化无线网络的性能;通过判断人们的运行轨迹来在室内对人们进行定位;以及通过利用惯性传感器在室外对人们进行导航,减少过度依赖GPS所带来的巨额能量消耗。在这些以人为中心的计算应用中,如何对人们的行走状态进行准确判断至关重要。譬如在利用惯性传感器进行导航的应用中,行走状态的判断以及与之相对应的计步功能的精确度直接影响着导航以及定位的精确度。再如在优化无线网络传输性能时,准确判断用户的运动状态从而调整数据传输策略极大的影响着网络的传输性能。但是,传统的人运动状态检测方法较为复杂,而且检测结果不准确,对人是否在走路无法做出准确判断。
发明内容
本发明的目的在于通过一种基于加速度变化检测人运动状态的方法,来解决以上背景技术部分提到的问题。
为达此目的,本发明采用以下技术方案:
一种基于加速度变化检测人运动状态的方法,其包括如下步骤:
A、将内嵌有加速度传感器的移动设备放置在人身上的任意位置,并比较所述加速度传感器的加速度采样值与预设加速度阈值的大小关系,根据比较结果判断人是否在运动;
B、若步骤A判断出人在运动,则利用自相关函数计算加速度采样值的自相关程度;
C、将所述自相关程度与预设自相关度阈值进行比较,根据比较结果判断人是否在走路。
特别地,所述步骤A具体包括:
A1、将内嵌有加速度传感器的移动设备放置在人身上的任意位置,对所述加速度传感器的加速度采样值进行分析,找出一个加速度值作为预设加速度阈值,并通过该预设加速度阈值区分人处于运动状态还是在静止状态;
A2、比较所述加速度传感器的加速度采样值与预设加速度阈值的大小关系,若加速度采样值大于预设加速度阈值,则人处于运动状态,否则,人处于静止状态。
特别地,所述步骤B具体包括:
B1、定义k为自相关系数,记录加速度传感器的每个加速度采样值Si,以及至i次为止的加速度采样值的平均值ui和方差σ2,并根据如下自相函数计算出R(k):
B2、找到,通过R(k)的值确定该加速度采样流的自相关程度。特别地,所述步骤C中预设自相关度阈值设置为0.6,即当R(k)<0.6时,判定人没有在走路,否则,判定人在走路。
本发明通过内嵌有加速度传感器的移动设备采集加速度值,并通过对加速度值的分析,发掘加速度自相关特征与人运动状态的关系,从而精确的判断出人是否在走路。本发明不仅计算方法简单,判断结果精确,而且具有很强的实际意义及推广价值。
附图说明
图1为本发明实施例提供的基于加速度变化检测人运动状态的方法流程图;
图2为本发明实施例提供的静止和运动时加速度采样值;
图3a为本发明实施例提供的移动设备放在包里时的加速度值变化;
图3b为本发明实施例提供的移动设备放在裤兜时的加速度值变化;
图3c为本发明实施例提供的移动设备放在胸前时的加速度值变化;
图3d为本发明实施例提供的移动设备放在上衣口袋时的加速度值变化;
图4为本发明实施例提供的走路和不规则运动时加速度值的自相关系数。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
请参照图1所示,图1为本发明实施例提供的基于加速度变化检测人运动状态的方法流程图。
本实施例中基于加速度变化检测人运动状态的方法,其包括如下步骤:
步骤S101、将内嵌有加速度传感器的移动设备放置在人身上的任意位置,并比较所述加速度传感器的加速度采样值与预设加速度阈值的大小关系,根据比较结果判断人是否在运动。
首先,将内嵌有加速度传感器的移动设备放置在人身上的任意位置,对所述加速度传感器的加速度采样值进行分析,找出一个加速度值作为预设加速度阈值,并通过该预设加速度阈值区分人处于运动状态还是在静止状态。其次,比较所述加速度传感器的加速度采样值与预设加速度阈值的大小关系,若加速度采样值大于预设加速度阈值,则人处于运动状态,否则,人处于静止状态。
步骤S102、若步骤S101判断出人在运动,则利用自相关函数计算加速度采样值的自相关程度。
a、定义k为自相关系数,记录加速度传感器的每个加速度采样值Si,以及至i次为止的加速度采样值的平均值ui和方差σ2,并根据如下自相函数计算出R(k):
b、找到通过R(k)的值确定该加速度采样流的自相关程度。
步骤S103、将所述自相关程度与预设自相关度阈值进行比较,根据比较结果判断人是否在走路。
下面对本实施例中获取加速度阈值和自相关度阈值的实验过程进行说明。
一、预设加速度阈值。
理想状态下,当人们静止时,随身携带的移动设备所采集到的加速度值应该稳定在一个固定值。与之相反,当人们在运动时,例如走路,跑步等,随身携带的移动设备所采集到的加速度值会呈现一些变化趋势。因此通过预设加速度阈值,即可区分移动设备携带者是否在运动。
为验证该方法的有效性以及得出最佳加速度阈值。本实施例做了以下实验:
十个志愿者(五男五女)在不同移动状态下(包括聊天,走路,慢跑,乘坐公交车)进行加速度值的检测。每个状态下用户又可以随意的将移动设备置于不同位置,放置于不同的方位。进行长度约为5秒钟的加速度值采集。采集结果如图2所示:当加速度值小于0.015g时,用户处于静止状态的可能性为99%,当加速度值大于0.015g时,用户处于移动过程中的可能性为100%。因此,当加速度阈值设置为0.015g时,便可将运动状态判断精确度提高到99%。其中,g为重力加速度,图2中横坐标代表加速度值,纵坐标代表加速值标准差,零散的灰色的点201代表人运动,处于一条直线黑色的点202代表人静止。
二、预设自相关度阈值。
依靠加速度值的变化剧烈程度虽然可以区分移动设备携带者是处于静止状态还是运动状态,然而更进一步区分该移动携带者是否在走路却无法达到。很显然,移动设备携带者简单的摆臂,或者在座椅上转动都可以造成加速度计采样值的剧烈变化。因此仅仅依靠加速度采样值的变化激烈程度来判断移动设备携带者是否在走路是无法达到的。本发明基于一个假设来对人是否在走路进行判断:即人们在走路时,两腿的规则摆动会造成加速度采样值具有时间相似性。而人们无规则的运动则只会对加速度采样值带来无规则的变动。因此,通过加速度采样值的变化趋势便可以区分人是否在走路。
为验证以上假设的正确性,本实施例做了以下实验:
令移动设备携带者将移动设备放在身上的不同位置处(书包,裤子,上衣,以及腰带),在走路时分别记录加速度值的变化。如图3a、3b、3c及3d所示,其分别表示移动设备放在包里、裤兜、胸前、上衣口袋时加速度值变化,图中横坐标均表示加速度值,纵坐标均表示幅度,其分别表示为移动设备放在包里、裤兜、胸前、上衣口袋时加速度值变化,由此看出,无论移动设备放置在身体的哪个部位,所采集到的加速度变化值都会有明显的自相关特性。进一步地,通过自相关函数R(k)计算人们在走路和不规则运动时的加速度采样值的自相关度,并通过比对人们在走路时和在不规则运动时加速度采样值的自相关程度,决定最佳的自相关度阈值来区分走路和不规则运动。
如图4所示,图中横坐标表示时延,纵坐标表示自相关度。由图4可知,在大多数情况下,不规则运动时加速度采样值的自相关度都落在(-0.3,+0.3)这个区间之内,而走路时加速度采样值的自相关度大多落在(+-0.6,+-0.8)之间。因此本实施例设定0.6为判定移动设备携带者是否在走路的自相关度阈值,即当R(k)<0.6时,判定人没有在走路,否则,判定人在走路。
本发明的技术方案根据移动设备采集的加速值变化就能判断出人是否在走路,不仅计算方法简单,判断结果精确,而且具有很强的实际意义及推广价值。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (4)
1.一种基于加速度变化检测人运动状态的方法,其特征在于,包括如下步骤:
A、将内嵌有加速度传感器的移动设备放置在人身上的任意位置,并比较所述加速度传感器的加速度采样值与预设加速度阈值的大小关系,根据比较结果判断人是否在运动;
B、若步骤A判断出人在运动,则利用自相关函数计算加速度采样值的自相关程度;
C、将所述自相关程度与预设自相关度阈值进行比较,根据比较结果判断人是否在走路。
2.根据权利要求1所述的基于加速度变化检测人运动状态的方法,其特征在于,所述步骤A具体包括:
A1、将内嵌有加速度传感器的移动设备放置在人身上的任意位置,对所述加速度传感器的加速度采样值进行分析,找出一个加速度值作为预设加速度阈值,并通过该预设加速度阈值区分人处于运动状态还是在静止状态;
A2、比较所述加速度传感器的加速度采样值与预设加速度阈值的大小关系,若加速度采样值大于预设加速度阈值,则人处于运动状态,否则,人处于静止状态。
3.根据权利要求1所述的基于加速度变化检测人运动状态的方法,其特征在于,所述步骤B具体包括:
B1、定义k为自相关系数,记录加速度传感器的每个加速度采样值Si,以及至i次为止的加速度采样值的平均值ui和方差σ2,并根据如下自相关函数计算出R(k):
B2、找到通过R(k)的该最大值确定该加速度采样值的自相关程度。
4.根据权利要求3所述的基于加速度变化检测人运动状态的方法,其特征在于,所述步骤C中预设自相关度阈值设置为0.6,即当R(k)<0.6时,判定人没有在走路,否则,判定人在走路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310240604.9A CN103340634B (zh) | 2013-06-17 | 2013-06-17 | 一种基于加速度变化检测人运动状态的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310240604.9A CN103340634B (zh) | 2013-06-17 | 2013-06-17 | 一种基于加速度变化检测人运动状态的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103340634A CN103340634A (zh) | 2013-10-09 |
CN103340634B true CN103340634B (zh) | 2015-11-18 |
Family
ID=49275501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310240604.9A Active CN103340634B (zh) | 2013-06-17 | 2013-06-17 | 一种基于加速度变化检测人运动状态的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103340634B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103826202B (zh) * | 2014-02-25 | 2017-04-05 | 中国矿业大学 | 基于手机传感器信息改进WiFi定位结果跳动的方法 |
CN105652825A (zh) * | 2015-04-29 | 2016-06-08 | 宇龙计算机通信科技(深圳)有限公司 | 一种控制指令获取方法及装置 |
CN105104291B (zh) * | 2015-07-27 | 2017-11-21 | 河南科技大学 | 一种奶牛运动状态判别方法及对应的智能喂食方法 |
CN105075886B (zh) * | 2015-07-27 | 2018-01-02 | 河南科技大学 | 一种奶牛自动喂食装置以及对应的智能喂食系统 |
CN105030260B (zh) * | 2015-07-27 | 2018-07-03 | 深圳市豪恩声学股份有限公司 | 运动状态判断方法及脚部穿戴物 |
CN105606120B (zh) * | 2015-12-22 | 2018-06-29 | 广东欧珀移动通信有限公司 | 计步器的控制方法及装置 |
CN107358051B (zh) * | 2017-07-18 | 2018-07-10 | 前海随身宝(深圳)科技有限公司 | 终端运动状态分析方法、移动终端及可读存储介质 |
CN107690034A (zh) * | 2017-10-27 | 2018-02-13 | 中国科学技术大学苏州研究院 | 基于环境背景声音的智能情景模式切换系统及方法 |
CN108507554B (zh) * | 2018-03-01 | 2022-02-11 | 内蒙古特勤应急救援设备有限公司 | 一种施工设备运动状态的判断方法 |
CN109582713B (zh) * | 2018-11-30 | 2023-05-19 | 歌尔科技有限公司 | 一种运动状态的识别方法、装置及终端 |
CN109558841B (zh) * | 2018-11-30 | 2023-06-02 | 歌尔科技有限公司 | 一种运动状态的识别方法、装置及终端 |
CN113658225A (zh) * | 2021-08-19 | 2021-11-16 | 天之翼(苏州)科技有限公司 | 基于航拍监控的运动对象识别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1877340A (zh) * | 2005-06-09 | 2006-12-13 | 索尼株式会社 | 活动识别设备、方法、以及程序 |
CN101354265A (zh) * | 2008-08-19 | 2009-01-28 | 幻音科技(深圳)有限公司 | 计步方法、步幅校正方法、测距方法及计步装置 |
CN101894252A (zh) * | 2010-03-29 | 2010-11-24 | 天津大学 | 基于3轴加速度传感器信号的步行运动分类方法 |
CN102246125A (zh) * | 2008-10-15 | 2011-11-16 | 因文森斯公司 | 具有运动姿态识别的移动设备 |
CN102772211A (zh) * | 2012-08-08 | 2012-11-14 | 中山大学 | 一种人体运动状态检测系统及检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001190527A (ja) * | 2000-01-12 | 2001-07-17 | Sharp Corp | 個人認識装置および個人認識方法 |
JP3543778B2 (ja) * | 2000-10-16 | 2004-07-21 | オムロンヘルスケア株式会社 | 歩数計 |
-
2013
- 2013-06-17 CN CN201310240604.9A patent/CN103340634B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1877340A (zh) * | 2005-06-09 | 2006-12-13 | 索尼株式会社 | 活动识别设备、方法、以及程序 |
CN101354265A (zh) * | 2008-08-19 | 2009-01-28 | 幻音科技(深圳)有限公司 | 计步方法、步幅校正方法、测距方法及计步装置 |
CN102246125A (zh) * | 2008-10-15 | 2011-11-16 | 因文森斯公司 | 具有运动姿态识别的移动设备 |
CN101894252A (zh) * | 2010-03-29 | 2010-11-24 | 天津大学 | 基于3轴加速度传感器信号的步行运动分类方法 |
CN102772211A (zh) * | 2012-08-08 | 2012-11-14 | 中山大学 | 一种人体运动状态检测系统及检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103340634A (zh) | 2013-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103340634B (zh) | 一种基于加速度变化检测人运动状态的方法 | |
US10502576B2 (en) | Determining the position of a mobile device in a geographical area | |
CN106908060A (zh) | 一种基于mems惯性传感器的高精度室内定位方法 | |
EP2769574B1 (en) | Tracking activity, velocity, and heading using sensors in mobile devices or other systems | |
Zhou et al. | Use it free: Instantly knowing your phone attitude | |
US9228836B2 (en) | Inference of vehicular trajectory characteristics with personal mobile devices | |
CN104296750B (zh) | 一种零速检测方法和装置以及行人导航方法和系统 | |
US10508920B2 (en) | Pedestrian dead reckoning position tracker | |
US10267646B2 (en) | Method and system for varying step length estimation using nonlinear system identification | |
US20180356475A1 (en) | Position determination device and method | |
CA3001657A1 (en) | Accurately determining real time parameters describing vehicle motion based on multiple data sources | |
CN104061934A (zh) | 基于惯性传感器的行人室内位置跟踪方法 | |
WO2014074837A1 (en) | Unsupervised indoor localization and heading directions estimation | |
CN103884337A (zh) | 多姿态步距校正定位系统与方法 | |
Guo et al. | Accurate indoor localization based on crowd sensing | |
CN106840163A (zh) | 一种室内定位方法及系统 | |
Ren et al. | Movement pattern recognition assisted map matching for pedestrian/wheelchair navigation | |
Wu et al. | Indoor positioning system based on inertial MEMS sensors: Design and realization | |
CN106461401A (zh) | 信息处理设备、信息处理方法和计算机程序 | |
Kantola et al. | Context awareness for GPS-enabled phones | |
Ladstaetter et al. | Multisensor data fusion for high accuracy positioning on mobile phones | |
Tiwari et al. | A novel step detection technique for pedestrian dead reckoning based navigation | |
Guo et al. | Accurate indoor localization with crowd sensing | |
Bruwer et al. | Comparison of GPS and MEMS support for smartphone-based driver behavior monitoring | |
Chen et al. | A novel adaptive zero-velocity detector for inertial pedestrian navigation based on optimal interval estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |