CN104700069A - 一种非绑定式射频标签健身动作识别监控系统及其方法 - Google Patents

Abstract

本发明是公开了一种非绑定式射频标签健身动作识别监控系统及其方法，本系统包括：多个商用被动式RFID标签、天线、Reader、CPU和提示单元，CPU包括数据处理单元和数据存储单元；被检测的人或物体只要在标签与reader通信范围内即可达到识别效果。无需修改任何现有的商用设备，无需额外的硬件设施，使用简单、快速有效的方法，实时监测和监控用户的健身动作，给予用户指导。该方法，能够判断动作的规范性，并实时记录和监督人体健身活动。其主要是首先获得用户标准动作数据，利用多种滤波器和提取算法提取特征波形的配置文件，然后在用户做健身动作时利用DTW算法实时匹配配置文件识别用户的动作。在室内封闭办公楼中试验，识别健身动作达到了92％的精度。

Description

一种非绑定式射频标签健身动作识别监控系统及其方法

技术领域

本发明涉及运动训练辅助设备领域，特别是一种基于相位差的非绑定式射频标签健身动作识别监控系统。

背景技术

目前基于动作识别的研究有很多，在RFID中，如华盛顿大学研发的AllSee系统，从RF信号中提取出RSSI包络高精度地识别8种预先定义的简单手势，但它修改了硬件设备，并且只能识别简单手势，而且由于AllSee考虑到低能耗，所以很容易受到其他因素的干扰导致识别结果不准确；清华大学研发的Tagoram系统利用相位差与全息图技术，实时追踪物体移动，使得在定位与追踪中有着极高的精度，但它属于绑定式定位，需要用户身体贴上标签，而且用了多根天线布置在不同方位，应用场景十分有限。而在wifi领域，美国麻省理工学院研发的WiTrack和WiSee系统能够穿墙识别人体的手势或移动，WiSee利用FFT和OFDM技术从接收到的wifi信号中提取多普勒偏移信息，通过多普勒的变化映射到手势的不同，它能够识别9种手势；WiTrack改造USRP设备能够识别人体的移动，同时识别简单的手势，但他们都需要用到代价昂贵的USRP，同时需要多根天线，并且需要修改现有设备。

上述是目前比较流行而且是最前沿的手势识别技术，一些其他的手势识别技术，如基于图像的处理技术和红外遥感等技术目前也已经十分成熟，但还无法应用到RFID领域。由于RFID具有其独特的体积小、成本低、寿命长、穿透性好、重复利用性好、不怕污染和适应各种环境等诸多优点，成为动作识别的 重要实现方式。而基于相位的方法是近年来新兴的方式，相比于RSSI，其检测准确度高，实时性好，受被检测物体的动作影响更大，更适合用于行为检测和识别。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种快速高效的非绑定式射频标签健身动作识别监控系统及其方法，该系统不改动已有的硬件设备，不需要人体携带任何设备或标签，能识别出整个人体的多个不同健身动作。

为达到上述目的，本发明采用以下技术方案来实现：

一种非绑定式射频标签健身动作识别监控方法，包括以下步骤：

一、系统对健身数据收集阶段

1)为用户建立数据库；

2)获得动作波形；

所述获得动作波形是用户在正对标签的前方设置健身动作，然后连续做多次标准的该健身动作，则该动作设置完毕；

3)将波形保存为配置文件保存到数据库；

动作波形设置成功后，系统会为用户自动生成一个配置文件，该文件存储处理后的用户收集动作时的相位变化信息；健身计划设置完毕后会与该用户设置的配置文件一起保存到以该用户的用户名命名的数据库中；

二、健身计划设置阶段

4)用户自定义健身计划：

所述获得训练计划是用户自定义健身计划，从已经收集到的健身动作中选择将要进行健身的动作，并设置每个动作训练的组数以及每组的次数；

5)用户开始健身动作；

6)系统将健身动作与配置文件进行识别与匹配；

实时监测用户的动作，标签收集用户的相位信息，同样需要经过构建配置文件时的步骤获得健身动作的特征波形，然后将其与数据库中的配置文件进行DTW算法比对；

7)系统得到识别结果并返回给用户提示；

8)用户完成训练计划，则系统返回。

作为本发明的进一步改进，步骤3)将波形保存为配置文件保存到数据库中还包括以下步骤：

3.1)、相位提取：从标签接收到的信息中提取得到多个标签的相位信息；

3.2)、预处理：从Reader接收到的信息中，对收集到的相位信息做预处理，

设相位为P＝{P₁，P₂，...,P_n}，其中n为标签数量，P_i＝{x⁽¹⁾,x⁽²⁾,...,x^(m)}，x为相位值，需要依次作如下处理：

将相位值变换到[-π/2,π/2]；差分：

$\mathrm{diff}\left(P_i\right)=\{{x_i}^{\left(2\right)}-{x_i}^{\left(1\right)},{x_i}^{\left(3\right)}-{x_i}^{\left(2\right)},...,{x_i}^{\left(m\right)}-{x_i}^{(m-1)}\}---\left(1\right)$

获得跳变点：绝对值小于π/2的点为跳变点，全部记录到

dp_corr＝(diff(P_i)+π/2)modπ-π/2-diff(P_i)    (2) 

将跳变点处的相位都设置为0；

将相位加上跳变点的累积和，再变换区间：

$\mathrm{new}\_x_i^{\left(j\right)}=x_i^{\left(j\right)}+\underset{k=0}{\overset{j}{\mathrm{\Σ}}}\mathrm{dp}\_{\mathrm{corr}}_k+\mathrm{\π}+\mathrm{\π}/2---\left(3\right)$

3.3)、归一化处理：将相位值压缩到[-1,1]，

$\left\{\begin{array}{c}{x}^{\&prime;}=\frac{x-\mathrm{mean}\left(x\right)}{\max (x-\mathrm{mean}\left(x\right))},x>0.\\ x^{\&prime;}=\frac{x-\mathrm{mean}\left(x\right)}{-\min (x-\mathrm{mean}\left(x\right))},x<0.\end{array}\right.---\left(4\right)$

3.4)、移动均值滤波：在做切分之前需要先去除噪音，使曲线更平滑，调用matlab函数phase＝smooth(phase,5,'moving')，窗宽为5，即

$x\left(n\right)=\frac{x(n-2)+x(n-1)+x\left(n\right)+x(n+1)+x(n+2)}{5}---\left(5\right)$

3.5)、Savitzky-Golay滤波器波形切分：按照下公式(6)做信号切分，获得特征波形，

$G_m=A_1|A_{{\mathrm{dif}}_{m+1}}-A_{{\mathrm{dif}}_m}|+F_1|F_{{\mathrm{dif}}_{m+1}}-F_{{\mathrm{dif}}_m}|,---\left(6\right)$

$A_{\mathrm{dif}}=\underset{k=1}{\overset{l}{\mathrm{\&Sigma;}}}\left|x_k\right|,F_{\mathrm{dif}}=\underset{k=1}{\overset{l}{\mathrm{\&Sigma;}}}|x_k-x_{k-1}|.$

l和x_k分别是滑动窗口长度和第k个信号点，m是窗口数量，A₁和F₁是权值，过滤掉图像中G_m小于某一阈值的点，从而切分出所需波形特征，将较为平稳的点去除。

为本发明的进一步改进，DTW算法过程如下：

先申请两个n×m的距阵D和d，分别为累积距离和帧匹配距离，这里n和m为测试模板与参考模板的帧数；然后通过一个循环计算两个模板的帧匹配距离距阵d；再进行动态规划，为每个格点(i，j)都计算其三个可能的前续格点的累积距离D1、D2和D3；最后利用最小值函数min，找到三个前续格点的累积距离的最小值作为累积距离，与当前帧的匹配距离d(i，j)相加，作为当前格点的累积距离，该计算过程一直达到格点(n，m)，并将D(n，m)输出，作为模板匹配的结果，如下公式所示：

$\mathrm{DTW}(i,j)=\min \left\{\begin{array}{c}\mathrm{DTW}(i-1,j)+d(i,j)\\ \mathrm{DTW}(i-1,j-1)+2d(i,j)\\ \mathrm{DTW}(i,j-1)+d(i,j)\end{array}\right.$

D(n,m)＝DTW(n,m)    (7)

为本发明的进一步改进，步骤6)中的DTW算法比对包括以下步骤：

用户每做一次动作就将其与系统配置文件进行匹配，计算出所有标签的DTW值，找到DTW值小于某阈值的健身动作，并从中选出最小的健身动作，该动作即为系统识别到的动作；否则，如果没有小于阈值的动作，则认为用户动作不规范，提示用户重做步骤4)，回到识别开始阶段。

为本发明的进一步改进，步骤2)中用户连续做标准该健身动作的次数大于等于三次。

为本发明的进一步改进，步骤7)中，若所述用户的动作符合预设标准动作，则显示动作正确信息或播放动作正确提示音，若所述健身者的动作不符合预设标准，则显示动作错误信息或播放动作错误提示音。

一种非绑定式射频标签健身动作识别监控系统，包括：

商用被动式RFID标签，收集用户的相位信息，同样需要经过构建配置文件时的步骤获得健身动作的特征波形；

天线，用于发送信号给RFID标签，同时接受来自RFID标签的信号，并发送给reader；

Reader，用于与标签通信，调制解调信号，并解码数据包；

CPU，用于对接收的数据进行处理和存储，并将健身动作与配置文件进行识别与匹配，输出结果；其包括：

数据处理单元，用于对数据进行相位提取、预处理、归一化处理、移动均 值滤波和Savitzky-Golay滤波器波形切分的处理；

数据存储单元，用于存储数据处理单元处理后的用户收集动作时的相位变化信息；

提示单元，用于提示用户的动作符合预设标准动作与否；

其中，所述商用被动式RFID标签、天线、Reader和CPU依次连接；所述数据处理单元和数据存储单元连接，所述提示单元与CPU连接。

为本发明的进一步改进，所述的数据存储单元包括：

相位提取模块，从标签接收到的信息中提取得到多个标签的相位信息；

预处理模块，从Reader接收到的信息中，对收集到的相位信息做预处理，

设相位为P＝{P₁，P₂，...,P_n}，其中n为标签数量，P_i＝{x⁽¹⁾,x⁽²⁾,...,x^(m)}，x为相位值，需要依次作如下处理：

将相位值变换到[-π/2,π/2]；差分：

$\mathrm{diff}\left(P_i\right)=\{{x_i}^{\left(2\right)}-{x_i}^{\left(1\right)},{x_i}^{\left(3\right)}-{x_i}^{\left(2\right)},...,{x_i}^{\left(m\right)}-{x_i}^{(m-1)}\}---\left(1\right)$

获得跳变点，绝对值小于π/2的点为跳变点，全部记录到

dp_corr＝(diff(P_i)+π/2)modπ-π/2-diff(P_i)    (2) 

将跳变点处的相位都设置为0；

将相位加上跳变点的累积和，再变换区间：

$\mathrm{new}\_x_i^{\left(j\right)}=x_i^{\left(j\right)}+\underset{k=0}{\overset{j}{\mathrm{\&Sigma;}}}\mathrm{dp}\_{\mathrm{corr}}_k+\mathrm{\&pi;}+\mathrm{\&pi;}/2---\left(3\right)$

归一化处理模块，将相位值压缩到[-1,1]，

$\left\{\begin{array}{c}{x}^{\&prime;}=\frac{x-\mathrm{mean}\left(x\right)}{\max (x-\mathrm{mean}\left(x\right))},x>0.\\ x^{\&prime;}=\frac{x-\mathrm{mean}\left(x\right)}{-\min (x-\mathrm{mean}\left(x\right))},x<0.\end{array}\right.---\left(4\right)$

移动均值滤波模块，在做切分之前需要先去除噪音，使曲线更平滑，调用matlab函数phase＝smooth(phase,5,'moving')，窗宽为5，即

$x\left(n\right)=\frac{x(n-2)+x(n-1)+x\left(n\right)+x(n+1)+x(n+2)}{5}---\left(5\right)$

滤波器波形切分，按照下公式(6)做信号切分，获得特征波形，

$G_m=A_1|A_{{\mathrm{dif}}_{m+1}}-A_{{\mathrm{dif}}_m}|+F_1|F_{{\mathrm{dif}}_{m+1}}-F_{{\mathrm{dif}}_m}|,---\left(6\right)$

$A_{\mathrm{dif}}=\underset{k=1}{\overset{l}{\mathrm{\&Sigma;}}}\left|x_k\right|,F_{\mathrm{dif}}=\underset{k=1}{\overset{l}{\mathrm{\&Sigma;}}}|x_k-x_{k-1}|.$

l和x_k分别是滑动窗口长度和第k个信号点，m是窗口数量，A₁和F₁是权值，过滤掉图像中G_m小于某一阈值的点，从而切分出所需波形特征，将较为平稳的点去除；

其中，相位提取模块、预处理模块、归一化处理模块、移动均值滤波模块和Savitzky-Golay滤波器波形切分模块依次连接。

为本发明的进一步改进，所述商用被动式RFID标签数量为3～5个，且依次交错排布；用户做健身动作时站在商用被动式RFID标签的前面。

为本发明的进一步改进，所述的CPU还用于将收集用户的相位信息与数据库中的配置文件进行DTW算法比对；DTW算法比对包括以下步骤：

用户每做一次动作就将其与系统配置文件进行匹配，计算出所有标签的DTW值，找到DTW值小于某阈值的健身动作，并从中选出最小的健身动作，该动作即为系统识别到的动作；否则，如果没有小于阈值的动作，则认为用户动作不规范，提示用户重做步骤4)，回到识别开始阶段；

其中DTW算法过程如下：

先申请两个n×m的距阵D和d，分别为累积距离和帧匹配距离，这里n和 m为测试模板与参考模板的帧数；然后通过一个循环计算两个模板的帧匹配距离距阵d；再进行动态规划，为每个格点(i，j)都计算其三个可能的前续格点的累积距离D1、D2和D3；最后利用最小值函数min，找到三个前续格点的累积距离的最小值作为累积距离，与当前帧的匹配距离d(i，j)相加，作为当前格点的累积距离，该计算过程一直达到格点(n，m)，并将D(n，m)输出，作为模板匹配的结果，如下公式所示：

$\mathrm{DTW}(i,j)=\min \left\{\begin{array}{c}\mathrm{DTW}(i-1,j)+d(i,j)\\ \mathrm{DTW}(i-1,j-1)+2d(i,j)\\ \mathrm{DTW}(i,j-1)+d(i,j)\end{array}\right.$

D(n,m)＝DTW(n,m)    (7)

与现有技术相比，本发明具有以下有益效果：

本发明的非绑定式射频标签健身动作识别监控方法，特别是基于RFID被动式标签非绑定式地识别人体的健身动作的方法，能够判断动作的规范性，并实时记录和监督人体健身活动，方法快速、高效：在目前的识别行为和动作的研究中普遍使用数据挖掘的方式经过较长时间的训练得到用户的训练集，再用分类和聚类等方法找到用户动作所在类，从而识别到动作，该方法耗时长，计算量大，速度慢。本发明使用较为简单的特征提取与匹配的算法，快速而准确的找到相位的波形，匹配用户所作动作的波形然后识别出用户的动作。根据对标签进行大量实验，表明本发明是一种非常实用且有效的识别手段。并且用户体验好、交互性强，该技术在非绑定状态下不会对用户的动作行为有任何干扰，不会降低用户体验，相比于将标签贴在人体或器材上的方式，该发明不会发生标签掉落等问题，不会带来频繁给器材或人体贴上标签的不必要的麻烦，同时确保了识别动作的一致性和准确性，能够更好地监督用户动作的规范性。而且 本发明支持多用户体验，为不同用户存储不同的健身规范和训练要求。采用DTW算法，处理简单准确，可以消除时间上的延迟和速率上的不同步。避免因为用户动作延迟导致的匹配错误的现象。本实验在室内封闭办公楼中实现，识别健身动作达到了92％的精度。

进一步，移动均值滤波在做切分之前需要先去除噪音，使曲线更平滑，这样可使切分的效果更好。Savitzky-Golay滤波器波形切分：做信号切分，获得特征波形。从而切分出所需波形特征，将较为平稳的点去除。

进一步，同时本系统支持多人。健身计划设置完毕后会与该用户设置的配置文件一起保存到以该用户的用户名命名的数据库中。当有新用户健身时，则开辟新的数据库按上述步骤存储新用户的健身计划和配置文件。

本发明的非绑定式射频标签健身动作识别监控系统，是一种基于相位差的非绑定式射频标签健身动作并判断其是否标准的系统。不改动已有的硬件设备，不需要人体携带任何设备或标签，只使用单reader单天线以及少数几个商用被动式RFID标签，通过计算相位信息，捕捉相位波形变化，就能识别出整个人体的多个不同健身动作。设备便宜、简单：本发明在对人物动作进行识别的过程中，无需人或物体附加任何设备。没有专业设备和专业操作人员的刚性需求。同时，完全不必规定人的动作或手势。被检测的人或物体只要在标签与reader通信范围内即可达到识别效果。无需修改任何现有的商用设备，无需额外的硬件设施，使用简单、快速有效的方法，实时监测和监控用户的健身动作，给予用户指导。不会对系统的正常运行产生负担，本发明属非绑定式检测系统，由于本系统中所用RFID标签属被动式标签，成本很低，因此能够在实际部署系统中长期提供低成本高效率检测的任务。

附图说明

图1是本发明的非绑定式射频标签健身动作识别监控系统的示意图；

图2是标签摆放示意图；

图3是本发明的数据处理内部连接框图；

图4是本发明的系统步骤流程图；

图5是动态时间规整匹配算法与欧氏距离匹配对比示意图。

具体实施方式

本发明一种非绑定式射频标签健身动作识别监控系统，包括：多个商用被动式RFID标签、天线、Reader、CPU和提示单元，CPU包括数据处理单元和数据存储单元；其中，商用被动式RFID标签、天线、Reader和CPU依次连接；数据处理单元和数据存储单元连接，提示单元与CPU连接。商用被动式RFID标签数量为3～5个，且依次交错排布；用户做健身动作时站在商用被动式RFID标签的前面。

其中，商用被动式RFID标签，收集用户的相位信息，同样需要经过构建配置文件时的步骤获得健身动作的特征波形；天线，用于发送信号给RFID标签，同时接受来自RFID标签的信号，并发送给reader；Reader，用于与标签通信，调制解调信号，并解码数据包；CPU，用于对接收的数据进行处理和存储，并将健身动作与配置文件进行识别与匹配，输出结果；其包括：数据处理单元，用于对数据进行相位提取、预处理、归一化处理、移动均值滤波和Savitzky-Golay滤波器波形切分的处理；数据存储单元，用于存储数据处理单元处理后的用户收集动作时的相位变化信息；提示单元，用于提示用户的动作符合预设标准动作与否。

所述的数据存储单元包括依次连接的相位提取模块、预处理模块、归一化处理模块和移动均值滤波模块，下面是各个模块的技术细节：

1、相位提取： 

由于商用Impinj Reader从标签接收到的信息中包含有RSSI、多普勒、EPC、相位、RN16等众多信息，而我们需要从中得到多个标签的相位信息。

2、预处理： 

某些情况下Reader接收到的信息中，可能就会发生相位的跳变情况，为了解决此问题，需要对收集到的相位信息做预处理。

设相位为P＝{P₁，P₂，...,P_n}，其中n为标签数量，P_i＝{x⁽¹⁾,x⁽²⁾,...,x^(m)}，x为相位值。需要依次作如下处理：

将相位值变换到[-π/2,π/2]；

差分：

$\mathrm{diff}\left(P_i\right)=\{{x_i}^{\left(2\right)}-{x_i}^{\left(1\right)},{x_i}^{\left(3\right)}-{x_i}^{\left(2\right)},...,{x_i}^{\left(m\right)}-{x_i}^{(m-1)}\};$

获得跳变点：绝对值小于π/2的点为跳变点，全部记录到dp_corr＝(diff(P_i)+π/2)modπ-π/2-diff(P_i),将跳变点处的相位都设置为0；

将相位加上跳变点的累积和，再变换区间：

$\mathrm{new}\_x_i^{\left(j\right)}=x_i^{\left(j\right)}+\underset{k=0}{\overset{j}{\mathrm{\&Sigma;}}}\mathrm{dp}\_{\mathrm{corr}}_k+\mathrm{\&pi;}+\mathrm{\&pi;}/2$

3、归一化处理：

将相位值压缩到[-1,1]。

$\left\{\begin{array}{c}{x}^{\&prime;}=\frac{x-\mathrm{mean}\left(x\right)}{\max (x-\mathrm{mean}\left(x\right))},x>0.\\ x^{\&prime;}=\frac{x-\mathrm{mean}\left(x\right)}{-\min (x-\mathrm{mean}\left(x\right))},x<0.\end{array}\right.$

4、移动均值滤波：

在做切分之前需要先去除噪音，使曲线更平滑，这样可使切分的效果更好。

调用matlab函数phase＝smooth(phase,5,'moving')，窗宽为5.即

$x\left(n\right)=\frac{x(n-2)+x(n-1)+x\left(n\right)+x(n+1)+x(n+2)}{5}.$

5、Savitzky-Golay滤波器波形切分：

做信号切分，获得特征波形。

$G_m=A_1|A_{{\mathrm{dif}}_{m+1}}-A_{{\mathrm{dif}}_m}|+F_1|F_{{\mathrm{dif}}_{m+1}}-F_{{\mathrm{dif}}_m}|,$

$A_{\mathrm{dif}}=\underset{k=1}{\overset{l}{\mathrm{\&Sigma;}}}\left|x_k\right|,F_{\mathrm{dif}}=\underset{k=1}{\overset{l}{\mathrm{\&Sigma;}}}|x_k-x_{k-1}|.$

l和x_k分别是滑动窗口长度和第k个信号点。m是窗口数量，A₁和F₁是权值。过滤掉图像中G_m小于某一阈值的点，从而切分出所需波形特征，将较为平稳的点去除。

利用RFID在非绑定状态下的健身动作识别的方法主要分为以下几个步骤：

(1)系统对健身数据收集阶段

本发明依据相位的原理，检测标签返回的信息计算相位值。

$\left\{\begin{array}{c}\mathrm{\&theta;}=(\frac{2\mathrm{\&pi;}}{\mathrm{\&lambda;}}\&times;2d+c)\mathrm{mod}2\mathrm{\&pi;}\\ c={\mathrm{\&theta;}}_T+{\mathrm{\&theta;}}_R+{\mathrm{\&theta;}}_{\mathrm{TAG}}\end{array}\right.---\left(8\right)$

这里λ是波长，θ为相位，c为常系数，与设备相关。

之所以使用相位，是由于已经有理论证明，在现有的商用RFID系统中，标签每秒钟传输30次，最大传播速度为274.8mm/s，平均下来，标签每次传输间隔最大可移动274.8*(1/30)＝9.16mm，这个值远远小于信道半波长(约为160mm)。因此可以用相位精确得到标签运动的角度。同时，一个超高频reader有16个子 信道，分布在920-926MHz ISM带宽上，因此，理论上可以得到0.0015弧度的解，也就是提供了误差大约为320mm*0.0015/(4*3.14)＝0.038mm的解。这要远远高于利用信号强度求解的值。

一个RF信号在一个室内三维环境中的信道传播可参考脉冲响应模型：

$h\left(t\right)=\underset{k=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{a}_k\mathrm{\&delta;}(t-t_k)e^{{\mathrm{j\&theta;}}_k}---\left(9\right)$

其中N为多径部分；{a_k},{t_k},{θ_k}分别为随机幅值、传播延迟、以及相位序列；δ为狄拉克函数。静态信道可由上述参数和变量完全描述。

在健身动作识别之前，需要用户对健身动作进行收集(标签摆放见图2)。用户在正对标签的前方设置自己想要做的动作，然后连续做三次标准的动作，则该动作设置完毕，用户可以继续设置添加下一个动作。(系统流程见图4)

全部设置成功后，系统会为用户自动生成一个配置文件，该文件存储处理后的用户收集动作时的相位变化信息。此处依次进行了如下的处理：相位提取，预处理，归一化处理，移动均值滤波和Savitzky-Golay滤波器波形切分。该配置文件用于之后的健身动作识别。

(2)健身计划设置阶段

本系统可以让用户自定义健身计划。用户可以从已经收集到的健身动作中选择自己将要进行健身的动作，并设置每个动作训练的组数以及每组的次数。

同时本系统支持多人。健身计划设置完毕后会与该用户设置的配置文件一起保存到以该用户的用户名命名的数据库中。当有新用户健身时，则开辟新的数据库按上述步骤存储新用户的健身计划和配置文件。

(3)健身动作识别和监督阶段

(1)(2)步中同一用户只需设置一次即可，之后直接启动健身阶段开始健 身。

用户开启健身阶段后，系统实时监测用户的动作，标签收集用户的相位信息，同样需要经过构建配置文件时的步骤获得健身动作的特征波形。然后将其与数据库中的配置文件进行比对，比对的方法使用了动态时间规整算法(DTW)，该算法可以消除时间上的延迟和速率上的不同步。每做一次动作就将其与系统配置文件进行匹配，计算出所有标签的DTW值。

如图5所示，红线(A线)与蓝线(B线)分别为两个波形，实际上它们的波形是十分相似的，但由于时间上的不同步，导致在Y轴上无法直接匹配。故用传统的欧氏距离(5a图)的方法会得到比较大的误差。故采用DTW算法(5b图)，依次找到与其相匹配的点，这样得到的误差会小很多。

之后找到DTW值小于某阈值的健身动作，并从中选出最小的健身动作，该动作即为系统识别到的动作；否则，如果没有小于阈值的动作，则认为用户动作不规范，提示用户重做，回到识别开始阶段。

当用户完成训练计划，则系统返回。

DTW算法过程如下：

首先申请两个n×m的距阵D和d，分别为累积距离和帧匹配距离。这里n和m为测试模板与参考模板的帧数。然后通过一个循环计算两个模板的帧匹配距离距阵d。接下来进行动态规划，为每个格点(i，j)都计算其三个可能的前续格点的累积距离D1、D2和D3。考虑到边界问题，有些前续格点可能不存在，因此要加入一些判断条件。最后利用最小值函数min，找到三个前续格点的累积距离的最小值作为累积距离，与当前帧的匹配距离d(i，j)相加，作为当前格点的累积距离。该计算过程一直达到格点(n，m)，并将D(n，m)输出，作 为模板匹配的结果。如下公式所示：

$\mathrm{DTW}(i,j)=\min \left\{\begin{array}{c}\mathrm{DTW}(i-1,j)+d(i,j)\\ \mathrm{DTW}(i-1,j-1)+2d(i,j)\\ \mathrm{DTW}(i,j-1)+d(i,j)\end{array}\right.$

D(n,m)＝DTW(n,m)

综上所述，本发明提出一种基于相位差的非绑定式射频标签健身动作并判断其是否标准的系统。之前的动作识别方法需要改动现有的设备，或者需要用户携带设备，这都限制了系统的使用和使用环境。本发明在对人物动作进行识别的过程中，无需人或物体附加任何设备。没有专业设备和专业操作人员的刚性需求。同时，完全不必规定人的动作或手势。被检测的人或物体只要在标签与reader通信范围内即可达到识别效果。无需修改任何现有的商用设备，无需额外的硬件设施，使用简单、快速有效的方法，实时监测和监控用户的健身动作，给予用户指导。其主要思想是首先获得用户标准动作数据，利用多种滤波器和提取算法提取特征波形的配置文件，然后在用户做健身动作时利用DTW算法实时匹配配置文件识别用户的动作。本实验在室内封闭办公楼中试验，识别健身动作达到了92％的精度。这说明发明是真实有效的。

Claims (10)

1.一种非绑定式射频标签健身动作识别监控方法，其特征在于：包括以下步骤：

一、系统对健身数据收集阶段

1)为用户建立数据库；

2)获得动作波形；

所述获得动作波形是用户在正对标签的前方设置健身动作，然后连续做多次标准的该健身动作，则该动作设置完毕；

3)将波形保存为配置文件保存到数据库；

动作波形设置成功后，系统会为用户自动生成一个配置文件，该文件存储处理后的用户收集动作时的相位变化信息；健身计划设置完毕后会与该用户设置的配置文件一起保存到以该用户的用户名命名的数据库中；

二、健身计划设置阶段

4)用户自定义健身计划：

所述获得训练计划是用户自定义健身计划，从已经收集到的健身动作中选择将要进行健身的动作，并设置每个动作训练的组数以及每组的次数；

5)用户开始健身动作；

6)系统将健身动作与配置文件进行识别与匹配；

实时监测用户的动作，标签收集用户的相位信息，同样需要经过构建配置文件时的步骤获得健身动作的特征波形，然后将其与数据库中的配置文件进行DTW算法比对；

7)系统得到识别结果并返回给用户提示；

8)用户完成训练计划，则系统返回。

2.根据权利要求1所述的一种非绑定式射频标签健身动作识别监控方法， 其特征在于：步骤3)将波形保存为配置文件保存到数据库中还包括以下步骤：

3.1)、相位提取：从标签接收到的信息中提取得到多个标签的相位信息；

3.2)、预处理：从Reader接收到的信息中，对收集到的相位信息做预处理，

设相位为P＝{P₁，P₂，...,P_n}，其中n为标签数量，P_i＝{x⁽¹⁾,x⁽²⁾,...,x^(m)}，x为相位值，需要依次作如下处理：

将相位值变换到[-π/2,π/2]；差分：

diff(P_i)＝{x_i ⁽²⁾-x_i ⁽¹⁾,x_i ⁽³⁾-x_i ⁽²⁾,...,x_i ^(m)-x_i ^(m-1)}    (1) 

获得跳变点：绝对值小于π/2的点为跳变点，全部记录到

dp_corr＝(diff(P_i)+π/2)modπ-π/2-diff(P_i)      (2) 

将跳变点处的相位都设置为0；

将相位加上跳变点的累积和，再变换区间：

3.3)、归一化处理：将相位值压缩到[-1,1]，

3.4)、移动均值滤波：在做切分之前需要先去除噪音，使曲线更平滑，调用matlab函数phase＝smooth(phase,5,'moving')，窗宽为5，即

3.5)、Savitzky-Golay滤波器波形切分：按照下公式(6)做信号切分，获得特征波形，

其中，l和x_k分别是滑动窗口长度和第k个信号点，m是窗口数量，A₁和F₁是权值，过滤掉图像中G_m小于某一阈值的点，从而切分出所需波形特征，将较为平稳的点去除。

3.根据权利要求1所述的一种非绑定式射频标签健身动作识别监控方法，其特征在于：DTW算法过程如下：

先申请两个n×m的距阵D和d，分别为累积距离和帧匹配距离，这里n和m为测试模板与参考模板的帧数；然后通过一个循环计算两个模板的帧匹配距离距阵d；再进行动态规划，为每个格点(i，j)都计算其三个可能的前续格点的累积距离D1、D2和D3；最后利用最小值函数min，找到三个前续格点的累积距离的最小值作为累积距离，与当前帧的匹配距离d(i，j)相加，作为当前格点的累积距离，该计算过程一直达到格点(n，m)，并将D(n，m)输出，作为模板匹配的结果，如下公式所示：

D(n,m)＝DTW(n,m)          (7)。

4.根据权利要求1或3所述的一种非绑定式射频标签健身动作识别监控方法，其特征在于：步骤6)中的DTW算法比对包括以下步骤：

用户每做一次动作就将其与系统配置文件进行匹配，计算出所有标签的DTW值，找到DTW值小于某阈值的健身动作，并从中选出最小的健身动作，该动作即为系统识别到的动作；否则，如果没有小于阈值的动作，则认为用户动作不规范，提示用户重做步骤4)，回到识别开始阶段。

5.根据权利要求1所述的一种非绑定式射频标签健身动作识别监控方法，其特征在于：步骤2)中用户连续做标准该健身动作的次数大于等于三次。

6.根据权利要求1所述的一种非绑定式射频标签健身动作识别监控方法，其特征在于：步骤7)中，若所述用户的动作符合预设标准动作，则显示动作正确信息或播放动作正确提示音，若所述健身者的动作不符合预设标准，则显示动作错误信息或播放动作错误提示音。

7.一种非绑定式射频标签健身动作识别监控系统，其特征在于：包括：

商用被动式RFID标签，收集用户的相位信息，同样需要经过构建配置文件时的步骤获得健身动作的特征波形；

天线，用于发送信号给RFID标签，同时接受来自RFID标签的信号，并发送给reader；

Reader，用于与标签通信，调制解调信号，并解码数据包；

CPU，用于对接收的数据进行处理和存储，并将健身动作与配置文件进行识别与匹配，输出结果；其包括：

数据处理单元，用于对数据进行相位提取、预处理、归一化处理、移动均值滤波和Savitzky-Golay滤波器波形切分的处理；

数据存储单元，用于存储数据处理单元处理后的用户收集动作时的相位变化信息；

提示单元，用于提示用户的动作符合预设标准动作与否；

其中，所述商用被动式RFID标签、天线、Reader和CPU依次连接；所述数据处理单元和数据存储单元连接，所述提示单元与CPU连接。

8.根据权利要求7所述的一种非绑定式射频标签健身动作识别监控系统，其特征在于：所述的数据存储单元包括：

相位提取模块，从标签接收到的信息中提取得到多个标签的相位信息；

预处理模块，从Reader接收到的信息中，对收集到的相位信息做预处理，

设相位为P＝{P₁，P₂，...,P_n}，其中n为标签数量，P_i＝{x⁽¹⁾,x⁽²⁾,...,x^(m)}，x为相位值，需要依次作如下处理：

将相位值变换到[-π/2,π/2]；差分：

diff(P_i)＝{x_i ⁽²⁾-x_i ⁽¹⁾,x_i ⁽³⁾-x_i ⁽²⁾,...,x_i ^(m)-x_i ^(m-1)}     (1) 

获得跳变点，绝对值小于π/2的点为跳变点，全部记录到

dp_corr＝(diff(P_i)+π/2)modπ-π/2-diff(P_i)     (2) 

将跳变点处的相位都设置为0；

将相位加上跳变点的累积和，再变换区间：

归一化处理模块，将相位值压缩到[-1,1]，

移动均值滤波模块，在做切分之前需要先去除噪音，使曲线更平滑，调用matlab函数phase＝smooth(phase,5,'moving')，窗宽为5，即

滤波器波形切分，按照下公式(6)做信号切分，获得特征波形，

l和x_k分别是滑动窗口长度和第k个信号点，m是窗口数量，A₁和F₁是权值， 过滤掉图像中G_m小于某一阈值的点，从而切分出所需波形特征，将较为平稳的点去除；

其中，相位提取模块、预处理模块、归一化处理模块、移动均值滤波模块和Savitzky-Golay滤波器波形切分模块依次连接。

9.根据权利要求7所述的一种非绑定式射频标签健身动作识别监控系统，其特征在于：所述商用被动式RFID标签数量为3～5个，且依次交错排布；用户做健身动作时站在商用被动式RFID标签的前面。

10.根据权利要求7所述的一种非绑定式射频标签健身动作识别监控系统，其特征在于：所述的CPU还用于将收集用户的相位信息与数据库中的配置文件进行DTW算法比对；DTW算法比对包括以下步骤：

用户每做一次动作就将其与系统配置文件进行匹配，计算出所有标签的DTW值，找到DTW值小于某阈值的健身动作，并从中选出最小的健身动作，该动作即为系统识别到的动作；否则，如果没有小于阈值的动作，则认为用户动作不规范，提示用户重做步骤4)，回到识别开始阶段；

其中DTW算法具体过程如下：

先申请两个n×m的距阵D和d，分别为累积距离和帧匹配距离，这里n和m为测试模板与参考模板的帧数；然后通过一个循环计算两个模板的帧匹配距离距阵d；再进行动态规划，为每个格点(i，j)都计算其三个可能的前续格点的累积距离D1、D2和D3；最后利用最小值函数min，找到三个前续格点的累积距离的最小值作为累积距离，与当前帧的匹配距离d(i，j)相加，作为当前格点的累积距离，该计算过程一直达到格点(n，m)，并将D(n，m)输出，作为模板匹配的结果，如下公式所示：

D(n,m)＝DTW(n,m)        (7)。