CN104545936A - 腰部姿态检测方法及检测结果的触觉反馈方法 - Google Patents

Abstract

本发明公开了一种人体腰部姿态检测方法，包括：对穿戴于使用者身上的感应器中六轴MEMS传感器的数据进行采样，获得使用者的状态数据，包括加速度和角速度数据；对采集的状态数据进行分析，确定使用者的状态，其中使用者状态包括静止和运动两种，其中运动状态包括步行、慢跑和快跑；识别用户偶尔的晃动、弯腰和/或侧身这些不规则的运动，并作为干扰进而予以去除；以及计算使用者在设定时间段内的佩戴部位的平均姿态，包括侧翻角(roll)和俯仰角(pitch)，依次作为腰部姿态角，进而获得腰部姿态。本发明还公开了相应的系统以及检测结果的反馈方法。本发明可识别和去除干扰运动状态，获得准确的腰部姿态，并采用触觉反馈方式，并结合人体不同部位感应特点和不同的腰部姿态，给出不同类型的触觉反馈结果，从而给使用者不同的提示。

Description

腰部姿态检测方法及检测结果的触觉反馈方法

技术领域

本发明属于腰部姿态检测技术领域，具体涉及一种腰部姿态检测方法及利用该方法获得的检测结果对佩戴者施加触觉反馈的方法。

背景技术

随着大众生活水平的提高，健康越来越受到大众的关注。对自身各项健康指标的关注、监控，并且及时作出调整，可以提高大众自身的健康状态。人体姿态对人的身体健康具有较大影响，长期不正确的身姿例如走路、跑步、弯腰、下蹲或者落座等的不正确姿态可能导致对人体肌肉和骨骼的损伤，导致人体出现各种病变，严重威胁人体健康。其中，腰部姿态是人体姿态中最关键的姿态，腰姿的正确与否是影响身姿从而影响人体健康的主要因素，走路、跑步、弯腰、下蹲或落座等人体日常行为中的姿态主要通过腰姿影响或体现，因此日常行为中对腰姿的检测或矫正就尤为重要。

目前，对腰姿的检测或矫正主要是通过人体佩戴专门的矫正器来实现，例如专利文献CN102573711A公开了一种用于检测和/或影响身体姿态的装置，其具有柔性的载体元件，在所述载体元件上设有用于将所述装置布置在所述装置的佩戴者的腰部高度中的固定装置，夹紧带利用第一端部固定在所述固定装置上且在背部区域中彼此交叉，其中，所述夹紧带利用其第二端部在前肩部或胸部区域中固定在所述载体元件上。载体元件、夹紧带和/或加强元件配置至少一个传感器，所述传感器用于检测力、变形、角度、温度和/或加速度。该装置可以实现对人体姿态的矫正。但是，上述方案的装置整体长期穿戴在使用者身上，一是舒适度和美观度不够，二是使用者无法实时观测到自己的身体姿态状况，无法根据个体自身特点对检测装置进行适应性匹配，通用性较差。

如今，随着智能终端感应器的发展，现在出现了与智能终端匹配的检测矫正装置，其通过与使用者随身的诸如手机等终端感应器的匹配，利用其上的APP与装置中的传感器等器件进行通讯，实现中终端感应器上实时进行使用者姿态数据的采集、处理和检测，并可以进行提示以便于使用者进行姿态纠正。

但是，目前这种检测矫正方法或装置中，传感器计算姿态的算法只能适用在静止状态下，这种姿态传感器在运动状态的输出结果非常不准确，偏差甚至可以达到10几度甚至几十度。另外，使用者的姿态除了静止状态，还包括步行、慢跑和快跑等，目前的姿态检测传感器或装置中这些动态状态下的腰部姿态检测存在较大的测量误差，从而无法获得真实的姿态。特别是，使用者偶尔的弯腰、侧身、晃动都会对检测过程产生干扰，目前的装置无法识别上述干扰并进行处理，导致姿态矫正的准确度大为降低。

另外，实时获得的检测结果如何反馈给使用者，以便于提示使用者继续保持或者纠正姿态，也是一个问题。目前常规的提示方法例如声音、图像等，其会产生不必要的噪声，或者需要使用者实时关注，不适用于各种场合，而且给使用者的反馈不够直观和友好，导致姿态反馈效果无法满足使用要求。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种腰部姿态检测方法和利用该方法获得的检测结果对佩戴者施加触觉反馈的控制方法。其中检测方法通过识别使用者不同的状态，进而采用不同的方式计算腰部姿态，并识别和去除干扰运动状态，从而获得准确的腰部姿态；反馈方法则采用触觉反馈方式，并结合人体不同部位感应特点和不同的腰部姿态，给出不同类型的触觉反馈结果，从而给使用者不同的提示。

为实现上述目的，按照本发明的一个方面，提供一种腰部姿态检测方法，其通过对使用者不同运动状态的识别，并去除干扰运动，从而实现各种不同状态下腰部姿态检测，其特征在于，该方法包括：

对穿戴于使用者身上的感应器中六轴MEMS传感器的数据进行采样，获得使用者的状态数据，包括加速度和角速度数据；

对采集的状态数据进行分析，确定使用者的状态，其中使用者状态包括静止和运动两种，其中运动状态包括步行、慢跑和快跑；

识别用户偶尔的晃动、弯腰和/或侧身这些不规则的运动，并作为干扰进而予以去除；

计算使用者佩戴感应器的部位在设定时间段内的平均姿态，包括侧翻角(roll)和俯仰角(pitch)，依次作为腰部姿态角，进而获得腰部姿态。

作为本发明的改进，计算一定时间段内的加速度数据模、加速度数据的方差，以及角速度数据的模，并在加速度方差大于给定的阈值TH1(例如优选0.3)、或加速度数据的模与重力加速度的偏差大于给定阈值TH2(优选0.5)、或角速度数据的模大于给定阈值TH3(优选50)时，认定使用者处于运动状态，否则处于静止状态。

作为本发明的改进，上述运动状态的具体类型通过如下方式识别：对连续一段时间段的加速度数据进行傅里叶分析(FFT)，分析这段时间端内加速度信号的主频，当主频小于一定阈值(例如优选2.5Hz)时，认为佩戴者处于一般步行状态；当主频率大于2.5Hz时，认为佩戴者处于跑步状态。

作为本发明的改进，上述运动状态的具体类型也可以通过分类器进行识别，具体为，实时计算加速度信号峰峰值的采样间隔，获取连续多组加速度信号峰峰值采样间隔，并以其作为特征向量进行训练和分类，并以用户步行，慢跑，以及快跑的特征数据组成样本库，通过利用机器学习的方法训练得到离线的线性SVM(Supporting Vector Machine)分类器，从而即可识别运动状态。

作为本发明的改进，所述不规则运动的识别通过判定使用者不是连续时间段均处于运动状态而确定。

作为本发明的改进，所述连续时间段优选为3秒。

作为本发明的改进，所述侧翻角(roll)和俯仰角(pitch)通过如下公式计算得到：

$\left\{\begin{array}{c}\mathrm{roll}=\arctan (-a_x/a_z)\\ \mathrm{pitch}=\arcsin (a_y/g)\end{array}\right.$

其中，感应器测量得到的加速度数据为a_b＝[a_x,a_y,a_z]^T，g为重力加速度。

作为本发明的改进，所述测量得到的加速度数据可先进行归一化处理。

作为本发明的改进，所述获得的腰部姿态数据可以智能终端输出并显示。

作为本发明的改进，所述腰部姿态可以与预设的标准腰姿进行比较，从而获得当前腰姿的评价结果，以用于反馈给使用者。

作为本发明的改进，所述评价结果为腰部姿态与标准姿态之间的距离d＝||p_s-p_b||，其中p_s＝(roll_s,picth_s)是预设的标准姿态，p_b＝(roll_b,picth_b)为检测得到的腰部姿态。

作为本发明的改进，所述评价结果为实际检测到的感应器法向量与标准姿态下感应器法向量之间的夹角。

按照本发明的另一方面，提供一种腰部姿态检测系统，其通过对使用者不同运动状态的识别，并去除干扰运动，从而实现各种不同状态下腰部姿态检测，其特征在于，该系统包括：

数据采样模块，用于对穿戴于使用者身上的感应器中的六轴MEMS传感器的数据进行采样，获得使用者的状态数据，包括加速度和角速度数据；

运动状态判断模块，用于对采集的状态数据进行分析，确定使用者的状态，其中使用者状态包括静止和运动两种，其中运动状态包括步行、慢跑和快跑；

干扰去除模块，用于识别用户偶尔的晃动、弯腰和/或侧身这些不规则的运动，并作为干扰进而予以去除；

腰部姿态计算模块，用于计算使用者佩戴感应器部位在设定时间段内的平均姿态，包括侧翻角(roll)和俯仰角(pitch)，依次作为腰部姿态角，进而获得腰部姿态。

作为本发明的改进，腰部姿态计算模块通过如下公式计算得到侧翻角(roll)和俯仰角(pitch)，进而获得腰部姿态：

$\left\{\begin{array}{c}\mathrm{roll}=\arctan (-a_x/a_z)\\ \mathrm{pitch}=\arcsin (a_y/g)\end{array}\right.$

其中，感应器测量得到的加速度数据为a_b＝[a_x,a_y,a_z]^T，g为重力加速度。

作为本发明的改进，所述运动状态判断模块通过计算一定时间段内的加速度数据模、加速度数据的方差，以及角速度数据的模判断使用者状态，即在加速度方差大于给定的阈值TH1、或加速度数据的模与重力加速度的偏差大于给定阈值TH2、或角速度数据的模大于给定阈值TH3时，认定使用者处于运动状态，否则处于静止状态。

作为本发明的改进，所述系统与智能终端连接，获得的腰部姿态数据可以智能终端输出并显示。

作为本发明的改进，所述系统与智能终端连接，所述腰部姿态可以与预设的标准腰姿进行比较，从而获得当前腰姿的评价结果，以用于反馈给使用者。

按照本发明的再一方面，提供一种利用所述检测方法获得的腰姿的反馈方法，通过给出不同类型的触觉反馈结果，以提示使用者纠正姿态或进行保持，其特征在于，该方法包括：

将上述获得的腰姿与预设的标准腰姿进行比较，获得腰姿评价结果；

根据不同的评价结果，并识别感应器在使用者身上所处部位，从而产生不同的触觉反馈信号，以对应不同的评价结果以及不同的感应部位；

将上述触觉反馈信号作用于感应器上的振动电机，以使其产生对应的触觉感应，实现对使用者的腰姿提示。

作为本发明的改进，所述不同的触觉反馈信号包括不同的触觉反馈激励信号的轮廓、频率、持续时间或者不同的产生触觉反馈激励的频率。

作为本发明的改进，所述振动电机的控制电压是PWM波形电压，所述不同的触觉反馈信号通过控制通过调节控制电压的PWM的占空比，持续时间，以及激活频率调整实现。

作为本发明的改进，所述感应器在使用者身上所处部位包括肩部、胸部或背部，每个部位根据对触觉的敏感度不同使得相同的评价结果其所对应的触觉反馈信号不同。

作为本发明的改进，所述获得的腰部姿态数据可以与感应器连接的智能终端输出并显示。

作为本发明的改进，所述预设的标准腰姿可以通过与感应器连接的智能终端输入。

本发明中，智能感应器上的低功耗微处理器以30Hz～60Hz的频率采集感应器上MEMS的三轴加速度和三轴角速度信息；通过数据滤波，分析和处理，每秒钟生成一个评价腰部姿势的得分)(0～100分)。当感应器与伴侣App连接的时候，每秒钟会向App发送评价腰部姿势的得分以及产生这个得分的时间(来自感应器的时钟芯片)。当感应器没有与App连接的时候，感应器会将这些得分数据，以及产生这个得分数据的时间，存贮在感应器本地的FLASH；等待感应器与App连接时，将存在感应器本地FLASH的数据批量发送到app。App接受到感应器传输的数据后，作出响应。每次感应器与App连接时，App会发送手机本地的时间到感应器，使感应器的时钟与手机的时钟同步，保证感应器产生的数据里时间信息的正确性。

使用低功耗的微处理器按照一定的采样频率(30～60Hz)，采集三轴加速度传感器和三轴角速度传感器的输出，实时获取佩戴者佩戴部位(例如腰部，背部，肩部或前胸)的加速度和角速度信息。腰部姿态检测方法利用这些实时的加速度和角速度信息，进行分析和计算，得到佩戴者的准确腰部姿态；进而结合佩戴者预先设计好的标准腰部姿态，给出腰部姿态的优劣的评价得分。触觉反馈的控制方法根据腰部姿态的得分评价，根据佩戴者的佩戴部分，给出符合人机学的触觉反馈，实时提醒用户矫正自己的腰部姿态。

佩戴者行走，跑步以及偶尔的弯身和侧腰这些运动状态都会影响到微处理器采集到的加速度和角速度数据，给腰部姿态的准确性带来干扰。为实现腰部姿态的准确检测，按照本发明一个方面，提供一种腰部姿态检测方法，其通过对佩戴者不同运动状态的识别，并去除这些运动的干扰，从而实现佩戴者不同运动状态下腰部姿态的准确检测。本发明将佩戴者的干扰运动分为两类，第一类是产时间的的运动，例如步行，慢跑，快跑；第二类是短时间的的运动，例如偶尔的弯腰，侧身，晃动这些不规则的运动。腰部检测方法需要首先识别佩戴者的运动状态，去除对应的运动状态带来的干扰。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

(1)本发明中通过识别使用者的不同运动状态并进而解耦上述运动状态，从而可以获得使用者中不同状态下的腰姿；

(2)本发明中通过识别出使用者偶尔的晃动、弯腰、侧身这些不规则的运动，并作为干扰进而予以去除，从而可以获得更为准确的腰部姿态；

(3)本发明中将获得的腰部姿态与标准姿态进行比较，获得不同的评价结果，并通过触觉反馈的方式提示用户，从而具有更直接、隐蔽或更通用性的应用范围。

(4)本发明中通过识别感应器所处的不同部位，并针对不同的评价结果，对触觉反馈设置了不同的种类或类型，从而可以使得使用者具有更直观的腰部姿态的认识。

(5)本发明的方法可以实现对使用者腰部姿态的准确检测和纠正，而且可以与智能终端上的APP匹配，实现实时可视化的智能检测和纠正。

附图说明

图1为按照本发明实施例所构建的腰部姿态检测方法的流程示意图；

图2为不同行走状态下典型的加速度信号示意图，其中(a)表示成年人正常行走，(b)表示成年人快步行走，(a)表示感应器佩戴在背部，(b)表示感应器佩戴在腰部；

图3为佩戴者感知的触觉反馈强度与腰部姿态得分的关系图；

图4为按照本发明实施例所构建的腰部姿态检测系统佩戴在不同位置时，设定的标准姿态角示意图，其中(a)表示感应器佩戴在背部，(b)表示感应器佩戴在腰部，(c)表示感应器佩戴在前胸，(d)表示感应器佩戴在肩部；

图5为按照本发明实施例所构建的腰部姿态结果反馈系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，按照本发明实施例所构建的一种腰部姿态检测方法，其可识别使用者不同的运动状态，并去除偶尔的晃动、弯腰、侧身等不规则运动造成的干扰，实现各种不同状态下腰部姿态检测。

该检测方法由数据预处理、干扰去除、实时姿态检测以及腰部姿态评价四个主要方面组成。

数据预处理阶段主要对穿戴在使用者身体上的感应器中的六轴MEMS传感器采集到的原始MEMS数据进行包括降噪在内的预处理，获得使用者不同运动状态下的状态数据，包括速度、加速度和角速度数据，其中运动状态可以为相对静止、步行、慢跑或快跑。根据步行以及慢跑过程中信号的特有特征，分析滤波器的截止频率和阶数。

本实施例的腰部姿态检测方法流程如图1所示。采集数据的预处理可以通过数据预处理模块实现，具体地，数据预处理模块对微处理器采集的六轴MEMS传感器的加速度和角速度数据进行滤波，去除数据中的噪音。

通过采集的数据信息判断使用者的状态为静止还是运动状态。具体地，通过静止检测模块计算一定时间段(例如1秒)内的加速度数据模、加速度数据的方差，以及角速度数据的模。当加速度方差大于给定的阈值TH1，或加速度数据的模与重力加速度的偏差大于给定阈值TH2，或角速度数据的模大于给定阈值TH3时，认为佩戴者处于运动状态；否则认为佩戴者处于静止状态或准静止状态。

阈值TH1，TH2和TH3可以根据实际情况具体确定，例如H1可以优选0.3，TH2优选0.5，TH3优选50，但仅为示例，本发明中上述阈值并不限于此。另外，时间段的长度也可以根据需要进行选择，本实施例中优选为1秒，但仅为示例，本发明中并不限于此。

对于运动状态，进一步地，运动状态判断模块首先判断佩戴者是否处于短时运动状态。当没有出现佩戴者连续一定时间(例如三秒)都处于运动状态时，判定佩戴者出现短了时运动状态，佩戴者可能出现了偶尔的晃动，侧身或弯腰等运动，此时认为属于干扰，忽略腰部姿态解析模块获得的腰部姿态。当出现佩戴者连续三秒都处于运动状态时，认定佩戴者处于长时间的运动状态，此时需要对运动状态进行分类，确定具体的运动状态。

具体而言，一般情况下，成年人步行的速度为1m/s，即一秒钟大约走一到两步。当处于慢跑或快跑时，每秒行走的步数会增加。但在一段时间内，例如五秒之内，佩戴者步行或跑步的速率是比较均匀的，不会出现明显改变。佩戴者处于步行，慢跑，以及快跑状态时，当感应器竖直佩戴在腰部时，典型的加速度信号如图2所示。图2中的横轴表示时间，纵轴表示感应器测量到的加速度。从图2中可以看出，测量到的三个轴的加速度信息随着人行走的步伐，会出现有规律的波动。正常行走，快步行走，慢跑和快跑时，加速度信号波动的主频率大约分别是1.5Hz,2Hz,3Hz，4Hz。从图1中还可以看出，随着步行频率的增加，加速度的波动也越来越剧烈。从图1中还可以看出，加速度传感器测量到沿其Y轴方向的加速度的变化最大，这是因为此时感应器是竖直佩戴在腰部。如果改变感应器佩戴的姿势，波动最大的加速度不一定是感应器Y轴方向的加速度，也可以是其他方向的。

本实施例中可以优选通过两种方法判断用于佩戴者处于何种行走状态。第一种方法是频域分析法，即对连续一段时间段(例如5秒)的加速度信号做快读傅里叶分析(FFT)，分析这段时间端内加速度信号的主频。当主频小于一定阈值(例如优选2.5Hz)时，认为佩戴者处于一般步行状态；当主频率大于2.5Hz时，认为佩戴者处于跑步状态。频域分析法需要做FFT，对计算量要求比较高。

本发明中的第二种简单有效的方法是时域分析加上模式识别法。实时计算加速度信号峰峰值的采样间隔，获取连续例如10组峰峰值采样间隔[t1,t2,t10]，将这样的10组采样间隔作为特征向量用于训练和分类。采集大量用户步行，慢跑，以及快跑的特征数据，组成样本库，用机器学习的方法训练得到一个离线的线性SVM(Supporting Vector Machine)分类器，识别这三种状态。线性SVM分类器具有计算效率高，分类结果比较准确的特点。由于儿童，学生以及成年人的行走和跑步的步频有一定区别，需要分别采集这三类人的特征数据，构成对应人群的训练样本库，训练得到对应人群的分类器。每一类人的分类器只要需要采集例如100个不用对象的数据作为样本。实际使用中，根据佩戴者的年龄，选用合适的分类器，就可以快读判断用户当前的行走状态。美腰智能感应器对不同佩戴者行走状态的分类准确度达到了98％。同时这种方法的抗干扰能力比较强，可以有效解决某一次计算采样间隔误差对结果的影响。当判断佩戴者处于跑步状态时，放弃腰部姿势的检测结果；此时感应器可以用于统计跑步数，测量跑步频率，消耗卡路里等功能。当判断佩戴者处于正常步行状态时，感应器具有检测步行时的腰部姿势和计步两个功能。

腰部姿态解析模块首先根据每次采集到的加速度和角速度信号，计算感应器佩戴的姿态。物体的姿态一般用侧翻角(roll)，偏航角(yaw),俯仰角(pitch)三个角度描述。本实施例中，优选以正东方向为地磁的X轴正方向，正北方向为地磁的Y轴正方向，根据右手法则简历地磁坐标系的Z轴。当描述物体姿态的roll，yaw,pitch已知时，从地磁坐标系到物体坐标系的变换矩阵记为从物体坐标系到地磁的变换矩阵为

其中，

偏航角yaw一般是指物体表面的法向量与正北方向的夹角，这个姿态角与腰部的弯曲或侧弯无关，即本系统只关注侧翻角roll和俯仰角pitch。为了方便，在本实施例中优选认为yaw＝0。设定智能感应器测量到的加速度为a_b＝[a_x,a_y,a_z]^T，而重力加速度在地磁坐标下的表示g＝[0,0,g]^T，当感应器处于静止或准静止状态时，根据姿态变换关系有即

$\left\{\begin{array}{c}{a}_x=-\sin \left(\mathrm{roll}\right)\cos \left(\mathrm{pitch}\right)g\\ a_y=\sin \left(\mathrm{pitch}\right)g\\ a_z=\cos \left(\mathrm{roll}\right)\cos \left(\mathrm{pitch}\right)g\end{array}\right.---\left(2\right)$

由此可以计算感应器的姿态角roll和pitch。

$\left\{\begin{array}{c}\mathrm{roll}=\arctan (-a_x/a_z)\\ \mathrm{pitch}=\arcsin (a_y/g)\end{array}\right.---\left(3\right)$

实际应用中，为了减少数据测量误差带来的影响，首先对用于计算姿态角的加速度信号归一化，再利用公式(2)计算姿态角。

当佩戴者处于静止状态时，根据公式(2)，对1秒时间窗内的姿态数据进行均值滤波，得到这1秒时间窗内的平均姿态。当佩戴者处于步行状态时，根据图2可以知道，步行对加速度带来了较大的影响，需要对根据公式(2)计算得到的姿态数据进行处理。首先根据步行的频率，设计一个陷波滤波器，滤除步行给加速度带来的干扰；再进行均值滤波，得到1秒时间窗内的平均姿态。

当佩戴者处于静止或者步行状态时，腰部姿态得分评价模块根据姿态解析模块最终计算得到的佩戴者一秒时间段内的平均姿态，以及佩戴者预先设定好的标准姿态，计算腰部姿态得分。假设佩戴者设定的标准姿态是p_s＝(roll_s,picth_s)，感应器检测到的实时腰部姿势为p_b＝(roll_b,picth_b)。本实施例中，优选计算当前腰部姿态得分的两种方法：

1)根据实际检测到的腰部姿态与标准姿态之间的距离，例如d＝||p_s-p_b||，定义腰部姿态的得分。但是这种方法存在一定的非线性问题，可能导致得分和实际腰部姿势与标准姿势的差别不满足线性关系。

2)根据实际检测到的感应器上表面法向量与标准姿态下感应器上表面法向量之间的夹角，定义腰部姿态的得分。本系统中偏航角yaw可以设为零，根据公式(1)可以得到预设的标准姿态下的感应器法向量为Z_s，当前检测到的感应

器法向量为Z_b，以这两个方向量之间的夹角定义当前的腰部姿态得分。这种可以保证得分与姿态差之间的线性关系方法，同时可以处理腰部弯曲和侧弯两种情况，是比较理想的方法。本发明优选采用这种方法评价腰部姿态得分。

$Z_s=\left[\begin{array}{c}\sin \left({\mathrm{roll}}_s\right)\\ -\cos \left({\mathrm{roll}}_s\right)\sin \left({\mathrm{picth}}_s\right)\\ \cos \left({\mathrm{roll}}_s\right)\cos \left({\mathrm{picth}}_s\right)\end{array}\right],Z_b=\left[\begin{array}{c}\sin \left({\mathrm{roll}}_b\right)\\ -\cos \left({\mathrm{roll}}_b\right)\sin \left({\mathrm{picth}}_b\right)\\ \cos \left({\mathrm{roll}}_b\right)\cos \left({\mathrm{picth}}_b\right)\end{array}\right]$

按照本发明实施例所构建的一种触觉反馈方法，其通过给出不同类型的触觉反馈结果，以提示使用者纠正姿态或进行保持。

具体地，对与预先设置的标准腰姿的对比获得的不同评价结果进行分类处理，不同的评价结果包括与标准腰姿差距不大的姿态，可以继续保持，以及与标准腰姿具有差距，需要进行纠正等几类。另外，需识别使用者身上感应器所穿戴的具体部位，例如肩部、前胸、后背或者其他部位，因为身体不同区域对触觉反馈的敏感度不同。根据上述评价结果类型和感应器所处部位，从而产生不同的触觉反馈信号，以对应不同的评价结果以及不同的感应部位；

不同的触觉反馈激励信号可以是激励信号的轮廓、频率、持续时间以及产生触觉反馈激励的频率的不同。根据上述条件产生的上述触觉反馈信号作用于感应器，以使其产生对应的触觉感应，即可实现对使用者的腰姿提示。

本实施例中，触觉反馈控制方法根据腰部姿态得分评价模块给出的实时腰部姿态得分，控制给佩戴者提供振动触觉反馈的强度，持续时间等参数，使佩戴者获得实时，友好的触觉反馈，及时矫正腰姿势。触觉反馈利用一个固定在智能感应器底座的振动电机实现，振动电机的控制电压是PWM波形电压，通过调节PWM的占空比，持续时间，以及激活频率调整触觉反馈的强弱，每次触觉反馈的持续时间，以及触觉反馈的激活频率。身体的触觉感应器对触觉信号的能量具有时域积分效应，即感受到的触觉信号的强度I与振动信号的幅值A以及信号的持续时间t有关。当信号的持续时间在一定范围内时，三者满足I∝A²t，即对相同振幅的振动信号，持续时间越长，身体的触觉感应器感知到的信号强度越大。定义需要让佩戴者的身体感应器感知的触觉反馈的强度与腰部姿态得分之间的关系如图3所示。当得分高于80分时，可以认为佩戴者的腰部姿态比较好，这时不需要给佩戴者提供触觉反馈；当得分在70-80分时，给佩戴者提供一级强度I₁的振动触觉反馈；当得分在60-70分时，给佩戴者提供二级强度I₂的振动触觉反馈；当得分低于60分时，给佩戴者提供三级强度I₃的振动触觉反馈。佩戴者感知的振动触觉反馈强度逐级线性增加，I₃＝3I₁,I₂＝2I₁。每一次振动触觉反馈的持续时间保持不变，都是0.5秒；通过调整振动电机的驱动电压调整振动信号的幅值，可以有效的控制佩戴者感知到的触觉反馈的强度。相比固定振动信号幅值，调整振动持续时间，这种方法更加有效，并且可以一定成都的减小智能感应器的功耗。

因为感应器可以佩戴在用户身体的不同部位，例如后背，腰部，肩部或者前胸，这些不同身体部位对触觉反馈的敏感度不同。为了让感应器佩戴在不同部位时，身体的触觉感应器获得一致的触觉反馈，定义每个部位的三级触觉反馈强度分别是由此可以计算每个部位对应的一级和二级出触觉反馈强度。当确定感应器的佩戴部位后，根据对应强度的触觉反馈强度，实时准确控制振动电机的驱动，实现一致的触觉反馈体验。

当佩戴者在设定佩戴标准姿势时，感应器记录此时的感应器的姿态角，以此姿态角作为设定的标准姿势。当佩戴者挺直腰背时，感应器佩戴在后背，腰部，肩部或者前胸等几个部位时，感应器检测的姿态角存在区别,如图4所示。通过机器学习的方法，训练一个非线性的SVM分类器，根据设定的标准姿势，对感应器的佩戴位置进行检测。另一方面，为了提高检测的准确度，还可以在用户第一使用感应器时，根据App的引导，依次完成四个佩戴位置的标准姿势设定。这些信息作为先验信息可以进一步提高分类器的识别精度。

本发明中所涉及的感应器包括壳体和设置中壳体内的电路板，该壳体包括上盖和内部具有空腔的底座，该上盖内设置有磁铁，可与所述磁性卡扣磁性贴合，所述底座与所述上盖卡合连接，该底座空腔内设置所述电路板。圆形卡扣和上盖通过磁铁吸合，向下按动上盖可以触发开关，完成感应器开关机以及其他特定功能。感应器包括容置中壳体内部的电路板，与电路板连接的触觉反馈驱动器，以及LED显示单元。

感应器内部空腔中的电路板上集成有低功耗MCU微处理器、高精度六轴MEMS姿态传感器、FALSH存贮单元、触觉反馈单元和低功耗的蓝牙4.0模块。高精度六轴MEMS姿态传感器采集用户的腰部姿势，其可以包括有加速度数据，角速度数据，各向自由度的角度数据，速度数据，频率或频次数据等等，以用于输入MCU微处理器中进行处理并从而判断出姿态信息。低功耗MCU微处理器对采集的六轴MEMS数据进行分析，实时精确检测用户的腰部姿势，并根据预先设定的姿态数据进行比较，评定用户腰部状况。同时，将腰部状态评定结果输出至触觉反馈驱动器和LED显示单元。

触觉反馈驱动器可根据上述评定结果触发一定频次的振动信息，从而传递给使用者，使用者感知该振动即可或者目前的腰部姿态以及是否需要纠正以及纠正方式的信息。

采集的身体姿态数据或腰部状态评定结果可通过所述LED显示单元进行显示。

本发明的方法和装置可与智能终端进行匹配使用。即通过中智能终端上设置相应的APP，伴侣App需要支持iOS和Android系统，App通过蓝牙接收到来自感应器的腰部姿势检测结果，合理地组织和呈现这些数据给用户，使得用户可以清晰的查看自己的状态，同时将用户在app端的设置，例如触觉反馈使能，下行发送到感应器。伴侣App有两个主要功能：动态数据展示和历史数据浏览。动态数据展示指App一旦接收到感应器发送的online或者offline数据，按照设定的数据格式，将这些数据存储在本地和云端，同时更新腰部检测状态，实时提醒用户；历史数据浏览指App以天/周/月为单位，对用户的历史数据进行组织和综合评估，得到历史数据图标，给出用户在这样一个时间单位内的平均腰部状态，从而使用户了解过去一段时间的整体状态。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种腰部姿态检测方法，其通过对使用者不同运动状态的识别，并去除干扰运动，从而实现各种不同运动状态下腰部姿态检测，其特征在于，该方法包括：

对穿戴于使用者身上的感应器中的六轴MEMS传感器的数据进行采样，获得使用者的状态数据，包括加速度和角速度数据；

对采集的状态数据进行分析，确定使用者的状态，其中使用者状态包括静止和运动两种，运动状态包括步行、慢跑和快跑；

识别用户偶尔的晃动、弯腰和/或侧身这些不规则的运动，并作为干扰进而予以去除；以及

计算使用者的感应器佩戴部位在设定时间段内的平均姿态，包括侧翻角(roll)和俯仰角(pitch)，依次作为腰部姿态角，进而获得腰部姿态。

2.根据权利要求1所述的一种腰部姿态检测方法，其中，所述确定使用者的状态中，先计算一定时间段内的加速度数据的模、加速度数据的方差，以及角速度数据的模，并在加速度方差大于给定的阈值TH1、或加速度数据的模与重力加速度的偏差大于给定阈值TH2、或角速度数据的模大于给定阈值TH3时，认定使用者处于运动状态，否则处于静止状态。

3.根据权利要求1或2所述的一种腰部姿态检测方法，其中，上述运动状态的具体类型也可以通过分类器进行识别，具体为，实时计算加速度信号峰峰值的采样间隔，获取连续多组加速度信号峰峰值采样间隔，并以其作为特征向量进行训练和分类，并以用户步行，慢跑，以及快跑的特征数据组成样本库，通过利用机器学习的方法训练得到离线的线性SVM分类器，从而即可识别运动状态。

4.根据权利要求1-3中任一项所述的一种腰部姿态检测方法，其中，所述不规则运动的识别通过判定使用者不是连续时间段均处于运动状态而确定。

5.根据权利要求1-4中任一项所述的一种腰部姿态检测方法，其中，所述侧翻角(roll)和俯仰角(pitch)通过如下公式计算得到：

$\left\{\begin{array}{c}\mathrm{roll}=\arctan ({-a}_x/a_z)\\ \mathrm{pitch}=\arcsin (a_y/g)\end{array}\right.$

其中，感应器测量得到的加速度数据为a_b＝[a_x,a_y,a_z]^T，g为重力加速度。

6.根据权利要求1-5中任一项所述的一种腰部姿态检测方法，其中，所述腰部姿态的评价结果为实际检测到的感应器上表面的法向量与标准姿态下感应器上表面法向量之间的夹角。

7.一种腰部姿态检测系统，其通过对使用者不同运动状态的识别，并去除干扰运动，从而实现各种不同状态下腰部姿态检测，其特征在于，该系统包括：

数据采样模块，用于对穿戴于使用者身上的感应器中六轴MEMS传感器的数据进行采样，获得使用者的状态数据，包括加速度和角速度数据；

运动状态判断模块，用于对采集的状态数据进行分析，确定使用者的状态，其中使用者状态包括静止和运动两种，其中运动状态包括步行、慢跑和快跑；

干扰去除模块，用于识别用户偶尔的晃动、弯腰和/或侧身这些不规则的运动，并作为干扰进而予以去除；以及

腰部姿态计算模块，用于计算使用者的感应器佩戴部位在设定时间段内的平均姿态，包括侧翻角(roll)和俯仰角(pitch)，依次作为腰部姿态角，进而获得腰部姿态。

8.根据权利要求7所述的腰部姿态检测系统，其中，腰部姿态计算模块通过如下公式计算得到侧翻角(roll)和俯仰角(pitch)，进而获得腰部姿态：

$\left\{\begin{array}{c}\mathrm{roll}=\arctan ({-a}_x/a_z)\\ \mathrm{pitch}=\arcsin (a_y/g)\end{array}\right.$

其中，感应器测量得到的加速度数据为a_b＝[a_x,a_y,a_z]^T，g为重力加速度。

9.一种利用权利要求1-6中任一项所述的检测方法获得的腰部姿态的反馈方法，通过给出不同类型的触觉反馈结果，以提示使用者纠正姿态或进行保持，其特征在于，该方法包括：

将上述获得的腰姿与预设的标准腰姿进行比较，获得腰姿评价结果；

根据不同的评价结果，并识别感应器在使用者身上所处部位，从而产生不同的触觉反馈信号，以对应不同的评价结果以及不同的感应部位；以及

将上述触觉反馈信号作用于感应器上的振动电机，以使其产生对应的触觉感应，实现对使用者的腰姿提示。

10.根据权利要求9所述的反馈方法，其中所述不同的触觉反馈信号包括不同的触觉反馈激励信号的轮廓、频率、持续时间或者不同的产生触觉反馈激励的频率。