CN104238769A - 基于三轴加速度计和陀螺仪的校园暴力检测方法 - Google Patents
基于三轴加速度计和陀螺仪的校园暴力检测方法 Download PDFInfo
- Publication number
- CN104238769A CN104238769A CN201410452889.7A CN201410452889A CN104238769A CN 104238769 A CN104238769 A CN 104238769A CN 201410452889 A CN201410452889 A CN 201410452889A CN 104238769 A CN104238769 A CN 104238769A
- Authority
- CN
- China
- Prior art keywords
- peak
- acc
- hori
- gyro
- resultant vector
- 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.)
- Pending
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
基于三轴加速度计和陀螺仪的校园暴力检测方法,涉及模式识别和动作识别领域。它是为了适应对校园暴力行为进行检测的需求。在校园内的每个人体身上佩戴一个三轴加速度计和一个陀螺仪;在一个周期下,对于每个人体,均由以下步骤实现:首先先判断人体动作是否为“倒下”;如果是,则进一步判断人体动作是否为“推倒”;如果否,则判断人体动作是否为“殴打/推搡”。然后根据判断出的结果对应该确定是否发生霸凌现象。本发明能够有效的检测出3种身体暴力行为,并与4种日常生活动作区分开。
Description
技术领域
本发明涉及模式识别和动作识别领域。
背景技术
校园霸凌是一种常见的社会现象,多发生在青少年群体中。校园霸凌被认为是导致青少年抑郁、辍学甚至自杀的一个重要因素。校园霸凌的形式包括:身体暴力、言语欺凌、毁坏个人财务等,其中身体暴力对青少年的伤害最为严重,伤害青少年的身心健康。
而目前,还无法对校园暴力行为进行检测。
发明内容
本发明是为了适应对校园暴力行为进行检测的需求,从而提供一种基于三轴加速度计和陀螺仪的校园暴力检测方法。
基于三轴加速度计和陀螺仪的校园暴力检测方法,
在校园内的每个人体身上佩戴一个三轴加速度计和一个陀螺仪;在一个周期下,对于每个人体的检测,均由以下步骤实现:
步骤一、判断人体动作是否为“倒下”;如果判断结果为是,则执行步骤一一;如果判断结果为否,则执行步骤一二;
所述判断人体动作为“倒下”的方法是:
步骤A、采用三轴加速度计检测人体的两个水平轴向分量,并根据三轴加速度计的两个水平轴向分量计算出水平合向量AccHori;
步骤A2、采用二阶巴特沃斯滤波器滤除水平合向量AccHori中由于动作抖动产生的高频分量,并找出此一个周期内的最大峰值PeakAcc;
步骤A3、若最大此峰值PeakAcc大于预设的门限Thdown,同时在最大此峰值PeakAcc的前一个时间段[tbef_s,tbef_e]内,加速度垂直分量AccVert(t)的平均值:
g是重力加速度;
且在此峰值后的一个时间段[taft_s,taft_e]内,
则人体动作识别结果为“倒下”;
步骤一一、判断人体动作是否为“推倒”;如果判断结果为是,则执行步骤二;如果判断结果为“否”,则执行步骤三;
所述判断人体动作为“推倒”的方法是:
步骤B1、对人体倒地瞬间的三轴加速度和陀螺仪的水平合向量进行积分运算,加速度水平合向量AccHori沿时间轴的积分:
式中:[tfall_s,tfall_e]是人体着地瞬间的最佳积分区间;
以及:陀螺仪水平合向量GyroHori沿时间轴的积分:
步骤B2、若陀螺仪水平合向量GyroHori沿时间轴的积分大于预设的门限Thgyro,且陀螺仪水平合向量GyroHori的峰值大于预设的门限ThPeak,则判定人体动作为“推倒”;
步骤一二、判断人体动作是否为“殴打/推搡”;如果判断结果为是,则执行步骤二;如果判断结果为“否”,则执行步骤三;
所述人体动作识别结果为“殴打/推搡”的方法是:
步骤C1、采用二阶巴特沃斯滤波器滤除水平合向量AccHori中由于动作抖动产生的高频分量,获得的平滑曲线,并找到大于门限Thpeak的第一个峰值tfirst_peak的位置和最后一个峰值tlast_peak的位置;
然后在区间[tfirst_peak,tlast_peak]内对加速度水平合向量AccHori和陀螺仪水平合向量GyroHori进行积分:
步骤C2、若加速度水平合向量AccHori积分≥门限ThAcc水平,且GyroHori积分≥门限Thgyro,则执行步骤C3;否则,则识别结果为“非殴打/推搡”,结束人体动作识别;
步骤C3、采用三轴加速度计采集一个时间周期下的加速度垂直分量,并计算均值:
步骤C4、判断步骤C3获得的均值是否大于0.7g,如果判断结果为是,则识别结果为“殴打/推搡”;如果判断结果为否,则识别结果为“非殴打/推搡”,结束人体动做识别;
步骤二、出现霸凌,完成该周期下的校园暴力检测;
步骤三、未出现霸凌,完成该周期下的校园暴力检测。
本发明适应了对校园暴力行为进行检测的需求,能够有效地检测出身体暴力行为,并能够与日常生活动作区分开。
附图说明
图1是本发明的检测流程示意图;
图2是本发明中人体动作为“推倒”的识别流程示意图;
图3是本发明中人体动作为“殴打/推搡”的识别流程示意图;
具体实施方式
具体实施方式一、结合图1至图3说明本具体实施方式,基于三轴加速度计和陀螺仪的校园暴力检测方法,在校园内的每个人体身上佩戴一个三轴加速度计和一个陀螺仪,或是内置三轴加速度计和陀螺仪的智能手机;在一个周期下,对于每个人体的动作行为,其检测方法由以下步骤实现:
1、数据采集
将集成了三轴加速度计和陀螺仪的运动传感器佩戴在人体的腰带上并固定。使多人模拟推倒、殴打、推搡、行走、奔跑、俯卧撑、跌倒7种动作。
2、数据整理
将步骤1中采集的7类动作数据平均分为2个集合,1个作为训练集,另1个作为测试集。
3、身体暴力检测
滑动窗长设为8s(即每次读取8s长的传感器数据),窗口每次滑动4s,即重叠率50%。
①、检测“倒下”:
因为“倒下”的动作会使加速度和陀螺仪数值发生很大的变化,从而影响“殴打”、“奔跑”等动作的区分,故首先进行“倒下”动作的检测。如果检测出“倒下”动作,则进入“推倒”和“跌倒”的识别;否则,进入其余5种动作的识别。
首先由加速度计的两个水平轴向分量计算出水平合向量AccHori,用二阶巴特沃斯滤波器滤除AccHori中由于动作抖动产生的高频分量,并找出此时间段内的最大峰值PeakAcc。
若此峰值大于门限Thdown,同时在此峰值前的一个时间段[tbef_s,tbef_e]内,平均加速度垂直分量:
该动作识别为站立状态,允许一定倾斜角度,其中:g是重力加速度;
且在此峰值后的一个时间段[taft_s,taft_e]内,
该动作识别为跪倒和趴倒姿态,此时判定一次“倒下”动作出现;
若此窗口内的“推倒/跌倒”过程不完整(包括“倒下”前后的一小段时间),则可在下次窗口移动时再次检测。“推倒/跌倒”的整个过程一般在1-2秒,必然有一个窗口包含完整过程。
②、识别“推倒”和“跌倒”:
出现“倒下”动作时,进一步区分是“推倒”还是“跌倒”;
对倒地瞬间的加速度和陀螺仪的水平合向量进行计算,包括加速度水平合向量沿时间轴的积分:
所得物理量是速度变化量,积分区间[tfall_s,tfall_e]是着地瞬间,根据多次试验结果选择最佳积分区间;
和陀螺仪水平合向量沿时间轴的积分:
所得物理量是角度变化量,积分区间同上。
陀螺仪水平合向量最大峰值虽然在单独使用时分类的效果不理想,但与陀螺仪水平合向量积分共同作用时,可有效减小错分率。分别为陀螺仪水平合向量的积分和峰值设置门限,超过此门限的样本被分类为“推倒”,低于此门限的样本被分类为“跌倒”。
③、检测“殴打”和“推搡”:
没有出现“倒下”动作时,进行“殴打”和“推搡”的检测,并与“行走”、“奔跑”和“俯卧撑”区分开。
采用加速度水平合向量积分(即:速度变化量),陀螺仪水平合向量积分(即:角度变化量)和加速度垂直分量作为判别依据。
首先用二阶巴特沃斯滤波器滤除加速度水平合向量中的高频抖动,平滑曲线,在滑动窗口内找出大于门限Thpeak(以排除轻微动作对识别结果的干扰)的第一个峰值位置tfirst_peak和最后一个峰值位置tlast_peak。
然后在区间[tfirst_peak,tlast_peak]内对加速度水平合向量和陀螺仪水平合向量(原始数据)积分:
当AccHori积分≥门限ThAcc水平,且GyroHori积分≥门限Thgyro时,识别为“殴打”、“推搡”或“俯卧撑”;否则,识别为“行走”和“跑步”。为进一步将“俯卧撑”分离出来,计算此区间内加速度垂直分量的均值:
被“殴打”或“推搡”时,此均值均大于0.7g(直立时约为1g,考虑到收到攻击时身体倾斜,将此门限设置略低),“俯卧撑”的均值均小于0.5g。则以0.7g为门限,可将“俯卧撑”与“殴打/推搡”分离。当加速度垂直分量为0.7g时,身体与地面夹角为45°(arcsin0.7),“俯卧撑”时身体与地面夹角必然小于这个角度。
在实验中发现,当“跑步”是沿直线,或有较缓和的转弯(如沿环形操场跑道)时,上述的识别效果很好。而当跑步中夹杂着连续的急速转弯(如短距离往返跑)时,很容易被识别为霸凌事件。而“行走”过程即使包含接近180°的转弯,也能被识别为非霸凌事件。通过对表演过程录像的分析研究,发现当急速奔跑或往返跑时,身体在垂直方向上有较大的波动,而“殴打”过程则没有这么明显,因此引入加速度垂直分量在区间[tfirst_peak,tlast_peak]内的积分:
其中,AccVert(t)是加速度垂直分量,Gravity是当地重力加速度。
则分类算法可以将“殴打”和“奔跑”完全分离开。“奔跑”动作中加速度垂直分量积分值大于门限ThACC垂直,而“殴打”动作中加速度垂直分量积分值小于此门限。
4、有效性验证
①、用步骤2中的训练集确定步骤3中各个门限的数值,然后用步骤2中的测试集对已确定门限的步骤3分类方法进行验证,得出一组分类结果。
②、将步骤2中的训练集和测试集互换,然后重复步骤4①,得出另一组分类结果。将两组结果取均值,得出最终分类结果。结果显示本发明的方法可以有效地检测出身体暴力行为,并与日常生活动作区分开。实验识别结果如表1所示:
表1
Claims (3)
1.基于三轴加速度计和陀螺仪的校园暴力检测方法,其特征是:
在校园内的每个人体身上佩戴一个三轴加速度计和一个陀螺仪;在一个周期下,对于每个人体的检测,均由以下步骤实现:
步骤一、判断人体动作是否为“倒下”;如果判断结果为是,则执行步骤一一;如果判断结果为否,则执行步骤一二;
所述判断人体动作为“倒下”的方法是:
步骤A、采用三轴加速度计检测人体的两个水平轴向分量,并根据三轴加速度计的两个水平轴向分量计算出水平合向量AccHori;
步骤A2、采用二阶巴特沃斯滤波器滤除水平合向量AccHori中由于动作抖动产生的高频分量,并找出此一个周期内的最大峰值PeakAcc;
步骤A3、若最大此峰值PeakAcc大于预设的门限Thdown,同时在最大此峰值PeakAcc的前一个时间段[tbef_s,tbef_e]内,加速度垂直分量AccVert(t)的平均值:
g是重力加速度;
且在此峰值后的一个时间段[taft_s,taft_e]内,
则人体动作识别结果为“倒下”;
步骤一一、判断人体动作是否为“推倒”;如果判断结果为是,则执行步骤二;如果判断结果为“否”,则执行步骤三;
所述判断人体动作为“推倒”的方法是:
步骤B1、对人体倒地瞬间的三轴加速度和陀螺仪的水平合向量进行积分运算,加速度水平合向量AccHori沿时间轴的积分:
式中:[tfall_s,tfall_e]是人体着地瞬间的最佳积分区间;
以及:陀螺仪水平合向量GyroHori沿时间轴的积分:
步骤B2、若陀螺仪水平合向量GyroHori沿时间轴的积分大于预设的门限Thgyro,且陀螺仪水平合向量GyroHori的峰值大于预设的门限ThPeak,则判定人体动作为“推倒”;
步骤一二、判断人体动作是否为“殴打/推搡”;如果判断结果为是,则执行步骤二;如果判断结果为“否”,则执行步骤三;
所述人体动作识别结果为“殴打/推搡”的方法是:
步骤C1、采用二阶巴特沃斯滤波器滤除水平合向量AccHori中由于动作抖动产生的高频分量,获得的平滑曲线,并找到大于门限Thpeak的第一个峰值tfirst_peak的位置和最后一个峰值tlast_peak的位置;
然后在区间[tfirst_peak,tlast_peak]内对加速度水平合向量AccHori和陀螺仪水平合向量GyroHori进行积分:
步骤C2、若加速度水平合向量AccHori积分≥门限ThAcc水平,且GyroHori积分≥门限Thgyro,则执行步骤C3;否则,则识别结果为“非殴打/推搡”,结束人体动作识别;
步骤C3、采用三轴加速度计采集一个时间周期下的加速度垂直分量,并计算均值:
步骤C4、判断步骤C3获得的均值是否大于0.7g,如果判断结果为是,则识别结果为“殴打/推搡”;如果判断结果为否,则识别结果为“非殴打/推搡”,结束人体动做识别;
步骤二、出现霸凌,完成该周期下的校园暴力检测;
步骤三、未出现霸凌,完成该周期下的校园暴力检测。
2.根据权利要求1所述的基于三轴加速度计和陀螺仪的校园暴力检测方法,其特征在于每个周期的时长为8秒。
3.根据权利要求1所述的基于三轴加速度计和陀螺仪的校园暴力检测方法,其特征在于在校园内的每个人体身上佩戴的三轴加速度计和陀螺仪均内置在一个智能手机中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410452889.7A CN104238769A (zh) | 2014-09-05 | 2014-09-05 | 基于三轴加速度计和陀螺仪的校园暴力检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410452889.7A CN104238769A (zh) | 2014-09-05 | 2014-09-05 | 基于三轴加速度计和陀螺仪的校园暴力检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104238769A true CN104238769A (zh) | 2014-12-24 |
Family
ID=52227002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410452889.7A Pending CN104238769A (zh) | 2014-09-05 | 2014-09-05 | 基于三轴加速度计和陀螺仪的校园暴力检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104238769A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104936063A (zh) * | 2015-06-13 | 2015-09-23 | 陈火 | 一种蓝牙耳机 |
CN107545699A (zh) * | 2016-10-31 | 2018-01-05 | 郑州蓝视科技有限公司 | 一种智慧校园安防系统 |
CN108630230A (zh) * | 2018-05-14 | 2018-10-09 | 哈尔滨工业大学 | 一种基于动作语音数据联合识别的校园霸凌检测方法 |
CN110274590A (zh) * | 2019-07-08 | 2019-09-24 | 哈尔滨工业大学 | 一种基于决策树的暴力动作检测方法及系统 |
CN116631155A (zh) * | 2023-06-01 | 2023-08-22 | 深圳市震有智联科技有限公司 | 一种老人跌倒识别方法及自动呼救系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090161915A1 (en) * | 2007-12-24 | 2009-06-25 | National Chiao Tung University Of Taiwan | Multi-person pose recognition system using a zigbee wireless sensor network |
US20100121603A1 (en) * | 2007-01-22 | 2010-05-13 | National University Of Singapore | Method and system for fall-onset detection |
CN102610056A (zh) * | 2012-03-16 | 2012-07-25 | 清华大学 | 面向手机佩戴方式的跌倒事件检测系统和方法 |
CN103680063A (zh) * | 2013-12-16 | 2014-03-26 | 嘉兴学院 | 基于手机加速度计和陀螺仪的老年人异常情况判定方法 |
CN103886715A (zh) * | 2014-02-28 | 2014-06-25 | 南京邮电大学 | 一种人体跌倒检测方法 |
-
2014
- 2014-09-05 CN CN201410452889.7A patent/CN104238769A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100121603A1 (en) * | 2007-01-22 | 2010-05-13 | National University Of Singapore | Method and system for fall-onset detection |
US20090161915A1 (en) * | 2007-12-24 | 2009-06-25 | National Chiao Tung University Of Taiwan | Multi-person pose recognition system using a zigbee wireless sensor network |
CN102610056A (zh) * | 2012-03-16 | 2012-07-25 | 清华大学 | 面向手机佩戴方式的跌倒事件检测系统和方法 |
CN103680063A (zh) * | 2013-12-16 | 2014-03-26 | 嘉兴学院 | 基于手机加速度计和陀螺仪的老年人异常情况判定方法 |
CN103886715A (zh) * | 2014-02-28 | 2014-06-25 | 南京邮电大学 | 一种人体跌倒检测方法 |
Non-Patent Citations (1)
Title |
---|
LIANG YE,HANY FERDINANDO,TAPIO SEPPäNEN,ESKO ALASAARELA: "Physical Violence Detection for Preventing School Bullying", 《PHYSICAL VIOLENCE DETECTION FOR PREVENTING SCHOOL BULLYING》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104936063A (zh) * | 2015-06-13 | 2015-09-23 | 陈火 | 一种蓝牙耳机 |
CN107545699A (zh) * | 2016-10-31 | 2018-01-05 | 郑州蓝视科技有限公司 | 一种智慧校园安防系统 |
CN108630230A (zh) * | 2018-05-14 | 2018-10-09 | 哈尔滨工业大学 | 一种基于动作语音数据联合识别的校园霸凌检测方法 |
CN110274590A (zh) * | 2019-07-08 | 2019-09-24 | 哈尔滨工业大学 | 一种基于决策树的暴力动作检测方法及系统 |
CN116631155A (zh) * | 2023-06-01 | 2023-08-22 | 深圳市震有智联科技有限公司 | 一种老人跌倒识别方法及自动呼救系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104238769A (zh) | 基于三轴加速度计和陀螺仪的校园暴力检测方法 | |
CN102610056B (zh) | 面向手机佩戴方式的跌倒事件检测系统和方法 | |
Zhang et al. | Fall detection by wearable sensor and one-class SVM algorithm | |
Bourke et al. | Fall detection algorithms for real-world falls harvested from lumbar sensors in the elderly population: A machine learning approach | |
Ye et al. | An instance-based physical violence detection algorithm for school bullying prevention | |
CN104468981B (zh) | 一种基于智能手机平台的校园霸凌检测方法 | |
CN108509897A (zh) | 一种人体姿态识别方法和系统 | |
CN102640085A (zh) | 用于识别手势的系统和方法 | |
CN107007263A (zh) | 一种普适化的睡眠质量测评方法和系统 | |
CN106981174A (zh) | 一种基于智能手机的老人跌倒检测方法 | |
CN106910314A (zh) | 一种基于体形的个性化跌倒检测方法 | |
CN107358248B (zh) | 一种提高跌倒检测系统精度的方法 | |
CN108717548B (zh) | 一种面向传感器动态增加的行为识别模型更新方法及系统 | |
CN107122711A (zh) | 一种基于角度径向变换和质心的夜视视频步态识别方法 | |
CN107169512A (zh) | Hmm‑svm跌倒模型的构建方法及基于该模型的跌倒检测方法 | |
CN107169334B (zh) | 用于手部可穿戴设备的基于直拳动作检测的用户认证方法 | |
Kao et al. | GA-SVM applied to the fall detection system | |
CN106503667A (zh) | 一种基于wisp和模式识别的跌倒检测方法 | |
CN111603169A (zh) | 基于mems惯性传感器的行人步态识别方法 | |
Dwiyantoro et al. | A simple hierarchical activity recognition system using a gravity sensor and accelerometer on a smartphone | |
US20090012921A1 (en) | Method for identifying a person's posture | |
CN110929766A (zh) | 一种基于高斯混合聚类算法的自适应行人手机姿态识别方法 | |
CN114327045B (zh) | 基于类别不平衡信号的跌倒检测方法及系统 | |
CN105125220A (zh) | 一种跌倒检测方法 | |
CN107898458A (zh) | 基于图像先验的单试次脑电p300成分检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141224 |