CN104792327A - 一种基于移动设备的运动轨迹对比方法 - Google Patents

Abstract

本发明公开了一种基于移动设备的运动轨迹对比方法，移动设备上各传感器对各简单动作都同时进行n次采样，然后对一个时刻的一个传感器的n个传感器数据求均值和标准差，并作为该时刻该传感器的传感器数据标准化区间；用户模仿标准运动轨迹时，其移动设备各传感器各个时刻采集的传感器数据分别与对应的传感器、对应时刻传感器数据标准化区间进行对比，看是否落入标准化区间，实现运动轨迹的对比。本发明没有采用传统的还原运动轨迹方法来实施运动轨迹的对比，而是直接采集各传感器输出的传感器数据进行统计分析与对比，避免了还原过程中的各种误差，提高了运动轨迹对比的准确性。同时，本发明经过多次采样来完成标准运动轨迹的标准化，使得标准运动轨迹的描述更加精确。

Description

一种基于移动设备的运动轨迹对比方法

技术领域

本发明属于运动轨迹处理技术领域，更为具体地讲，涉及一种基于移动设备的运动轨迹对比方法。

背景技术

运动轨迹的对比指的是将模仿的运动轨迹与标准的运动轨迹作对比，并给出两者之间的差异程度信息，这里面主要包含运动轨迹数据采集、标准化、存储以及模仿的运动轨迹与标准化运动轨迹的对比几个方面。

目前主流的运动轨迹数据采集方式主要包括基于传感器空间定位，磁空间追踪，激光追踪，以及计算机视觉定位系统等几种方式。

传感器空间定位主要通过加速度传感器及陀螺仪的数据采集及分析利用物理学原理采集物体的运动轨迹数据；磁空间追踪通过电磁感应原理来采集物体运动轨迹数据；激光追踪通过对目标物体进行测量来采集物体运动轨迹数据；计算机视觉定位系统通过摄像头捕捉的图像来采集物体运动轨迹数据。在这几种方式中，基于传感器空间定位方式采集的运动轨迹数据精度较其他几种方式低，但是具有成本低，设备体积小的优势。

传统方案中，基于传感器空间定位方式实现的运动轨迹数据采集的主要目的是实现运动轨迹的捕捉，即通过实时采集加速度传感器及陀螺仪传感器的数据将运动轨迹在三维空间里重建并表示出来。由于传感器的实现方式，设计精度以及随机噪声的问题导致重建的运动轨迹与真实动作的运动轨迹误差较大，虽然可以使用滤波及矫正算法对采样数据进行修正，但效果并不明显。

目前通过卡尔曼滤波器及线性补偿的方法对加速度传感器采样的数据进行修正，结合陀螺仪数据使用位移积分算法求出的运动轨迹与原运动轨迹误差大致在10％左右，其他的方式还有如通过采集加速度传感器及陀螺仪数据计算出运动轨迹的空间曲率变化，来重建运动轨迹。

发明内容

本发明的目的在于在现有技术的基础上，提供一种基于移动设备的运动轨迹对比方法，以实现对比运动轨迹与标准运动轨迹的对比，避免运动轨迹重建误差对对比运动轨迹评估的影响。

为实现上述发明目的，本发明基于移动设备的运动轨迹对比方法，其特征在于，包括以下步骤：

(1)、标准运动轨迹的采集

将标准运动轨迹分解成为若干的简单动作，标准运动轨迹中的所有简单动作都重复做n次，n>30即移动设备上各传感器对各简单动作都同时进行n次采样，分别得到标准运动轨迹中各简单运动的n次采样数据；

一个简单动作的持续时间为t，移动设备上各传感器的采样频率为kHZ，简单动作被分隔成t·k个时刻，每一个时刻记做T_i,i∈(1,t·k)，在每一个时刻到达的时候对各传感器数据进行记录，则每个传感器每次采样数据为t·k个传感器数据；

(2)、标准运动轨迹的标准化

一个简单动作的T_i时刻，一个传感器n次采集得到的n个传感器数据为{x₁,x₂…x_n}，这n个传感器数据的均值μ及标准差σ为；

$\mathrm{\μ}=\frac{x_1+x_2+...+x_n}{n}$

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\mathrm{\μ})}^2}$

则该简单动作在T_i时刻的标准化区间为(μ-2σ,μ+2σ)；

依此方法，得到标准运动轨迹各个传感器的各个简单动作各个时刻的传感器数据标准化区间；

(3)、标准运动轨迹的存储

按照标准运动轨迹、简单动作以及时刻的方式存储各传感器的传感器数据标准化区间，标准化区间表示为均值μ以及相应的标准化范围2σ；

(4)、标准运动轨迹的传输

将标准运动轨迹的各传感器的传感器数据标准化区间用文件形式上传到服务器，供用户下载到移动设备上，或直接通过离线方式拷贝到用户移动设备上；

(5)、运动轨迹的对比

用户通过视频指导或语音提示模仿标准运动轨迹，用户移动设备的各个传感器的采样周期间隔和标准化运动轨迹采集时各对应传感器采样周期间隔一致，并对用户模仿轨迹进行采样；

在用户模仿某个标准运动轨迹的过程中，用户移动设备的客户端实时地将采集到的各传感器数据与标准运动轨迹中对应时刻、对应传感器数据的标准化区间进行对比，如果此时刻从用户移动设备传感器中采集到的各传感器数据落入标准运动轨迹中对应时刻、对应传感器数据的标准化区间之内，则认为用户此时刻的动作是标准的，否则是不标准的。

本发明的发明目的是这样实现的：

本发明基于移动设备的运动轨迹对比方法，将标准运动轨迹分为若干个简单动作，并且移动设备上各传感器对各简单动作都同时进行n次采样，然后对一个时刻的一个传感器的n个传感器数据求均值和标准差，用于表示该时刻该传感器的传感器数据标准化区间；按照约定格式将该运动轨迹的所有时刻的传感器数据标准化区间使用xml或者json格式进行存储，并传输至用户移动设备，用户模仿标准运动轨迹时，其移动设备各传感器各个时刻采集的传感器数据分别与对应的传感器、对应时刻传感器数据标准化区间进行对比，看是否落入标准化区间，实现运动轨迹的对比。本发明没有采用传统的还原运动轨迹方法来实施运动轨迹的对比，而是直接采集各传感器输出的传感器数据进行统计分析与对比，避免了还原过程中的各种误差，提高了运动轨迹对比的准确性。同时，本发明经过多次采样来完成标准运动轨迹的标准化，使得标准运动轨迹的描述更加精确。

附图说明

图1是本发明基于移动设备的运动轨迹对比方法的流程图；

图2是一个标准运动轨迹中某个简单动作的传感器数据采集流程图：

图3是用户运动轨迹与标准化运动轨迹对比流程图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

本发明基于移动设备的运动轨迹对比方法，其主要目的并不是还原一个动作在三维空间中的运动轨迹，而是将两个运动轨迹进行比较，然后对两个运动轨迹的相似程度进行判断，这两个运动轨迹一个叫做标准运动轨迹，一个叫做对比运动轨迹即用户模仿轨迹

图1是本发明基于移动设备的运动轨迹对比方法的流程图。下面将流程中的各个步骤进行描述。

步骤1、运动轨迹数据的采集。

1)、首先所要解决的是不同传感器实现方式及设计精度带来的采集数据上的差异的问题，例如使用不同的移动设备对相同的运动轨迹进行数据采集，由于不同移动设备所使用传感器不同，导致采集到的传感器数据有很大差异。

针对这个问题，在本实施例中，针对同一标准运动轨迹在不同的移动设备建立各自的标准运动轨迹的传感器数据标准化区间，即真实世界中相同的一个标准运动轨迹在移动设备A和移动设备B上的经过标准化后的传感器数据标准化区间是不同的，这样可以尽量降低因移动设备不同而导致的动作轨迹对比差异性。

2)、传统的运动轨迹捕捉技术只能针对持续时间短及简单的动作，当动作比较复杂且持续时间长时(如3分钟的一段舞蹈)，运动轨迹捕捉的准确度会降低。

针对这个问题，本发明以降低标准运动轨迹标准化难度为目的，提出将复杂的标准运动轨迹分解成为若干的简单动作，而针对简单动作进行数据采集及标准化的方案。

3)、传统的运动轨迹数据采集中是通过滤波器的方式来过滤随机噪声，力求得到较为准确的数据，例如卡尔曼滤波器，但是滤波器的设计往往依赖于经验，不同的传感器是否能有效利用滤波器来过滤噪声还需要检验。其次，这种方式只对运动轨迹进行一次记录，不能准确的描述标准动作，因为一个动作是否标准除了采集到的数据准确之外还依赖于动作的实施者所做的动作是否标准。

本发明通过监督学习的方式来采集并标准化一个运动轨迹的数据。其原理如下：一个运动轨迹由若干个简单动作组成，我们针对简单动作来进行数据采集及标准化，当一个运动轨迹中的所有简单动作都标准化完成后，可以视为这个运动轨迹标准化完成。假设一个简单动作的持续时间为t，移动设备上传感器采样频率为kHZ，则可视为这个动作被分隔成t·k个时刻，每一个时刻记做T_ii∈(1,t·k)我们在每一个时刻到达的时候对传感器数据进行记录。理想状态下，同一个动作重复做n次，每一次对应相同的时刻从传感器采集到的数据应该是一致的，但是实际情况中由于传感器采集时的噪声以及动作实施的物理偏差会导致采集到的数据有很大不同，所以我们需要对动作轨迹进行标准化处理。所谓标准化指的是我们针对此动作中的每一时刻，在实数域R上定义一个区间，称之为标准化区间，若传感器此时刻采集到的数据值位于此区间中，我们认为运动轨迹在此时刻是标准的，否则是不标准的。而这个标准化区间必须通过监督学习的方式获得。方法如下：我们要求专业人员对同一动作重复做n次(n>30),也就是对同一标准运动轨迹进行n次采样，所以，对于这个动作任意T_ii∈(1,t·k)时刻都采集到了n个数据。

图2是一个标准运动轨迹中某个简单动作的传感器数据采集流程图。在本实施例中，首先专业人员采用规定方式持移动设备，如智能手机，然后开始执行简单动作，移动设备按照设定的周期间隔采集加速度传感器以及陀螺仪传感器的传感器数据，直到该简单动作执行完毕，最后重复执行，直到达到设定的n次。

步骤2.运动轨迹的标准化

从统计学的角度上讲，步骤1中采集到的这n个传感器数据是相互独立的，我们假设T_i时刻所采集到的n个传感器数据为{x₁,x₂…x_n}，此时我们需要根据传感器数据信息来进行标准化，可以得到这n个传感器数据的均值μ及标准差σ；

$\mathrm{\μ}=\frac{x_1+x_2+...+x_n}{n}$

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\mathrm{\μ})}^2}$

将此时刻传感器采集到的数据看做是随机变量X的话，根据正态分布可以得到随机变量X的概率密度函数即：

$f\left(x\right)=\frac{2}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{{(x-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2})$

根据正态分布的特性，我们将x∈(μ-2σ,μ+2σ)的区间认为是标准化区间，如果采样次数越多，即n越大的话，(μ-2σ,μ+2σ)表示的范围越小，标准化区间越精确，在实际中，同一动作采样30次以上即可完成这个动作的标准化。在这里，我们仅仅分析了一类传感器数据的标准化流程，在实际操作中，同一时刻我们需要对六类传感器送来的传感器数据进行相同操作，分别是加速度传感器x,y,z轴的数据，以及陀螺仪三轴角速度输出分量ω_x,ω_y,ω_z。

步骤3.标准运动轨迹的存储

在本实施例中，使用xml或者json格式存储标准运动轨迹的各传感器的传感器数据标准化区间。首先，一个的标准运动轨迹被人为划分为若干个动作并完成标准化，当这个标准运动轨迹的所有动作都完成标准化后我们将对这标准个运动轨迹进行存储。一个标准运动轨迹xml存储格式例子如下：

●其中trail表示一个标准运动轨迹，其id和name唯一标示这个标准运动轨迹，during表示这个标准运动轨迹持续的时间。

●motion表示一个简单动作，id标示了这个简单动作在运动轨迹中的位置，during表示这个动作持续时间，step表示这个动作每两个point(时刻)的时间间隔，即传感器数据记录的周期间隔。

●point表示简单动作中的某个时刻，id标示了这个point在motion中的位置，

●x_acc，y_acc，z_acc中的value表示加速度传感器中的x轴，y轴，z轴在这个时刻的各自的标准化均值，range表示了相应的标准化范围，value和range共同标示了加速度传感器的标准化区间。

●x_rot，y_rot，z_rot中的value表示加陀螺仪感器中的x轴，y轴，z轴在这个时刻的各自的标准化均值，range表示了相应的标准化范围，value和range共同标示了陀螺仪传感器的标准化区间。

该例子表明了一个叫做dance1的运动轨迹由2个动作组成，第一个动作持续5000毫秒，每隔100毫秒有一组标准化的数据来描述这个时刻传感器输出的数据的标准范围，即有50组数据。第二个动作持续1000毫秒，每隔100毫秒有一组标准化的数据来描述这个时刻传感器输出的数据的标准范围，含有10组数据。

步骤4.标准运动轨迹的传输

标准运动轨迹存储到xml文件后，可以由手机终端上传至服务器，供用户下载进行训练使用，在传输过程中，可以使用gzip压缩算法对xml文件或者json文件进行压缩，也可由通过离线的方式拷贝到学员移动设备中。

步骤5.运动轨迹对比

用户通过网络或者其他方式将标准运动轨迹传感器数据的标准化区间下载到自己的移动设备，如智能手机里面，通过视频指导或语音提示模仿相同的运动轨迹。用户移动设备会按照图3流程将用户实施的运动轨迹与标准化的运动轨迹做对比，对比时要求用户移动设备传感器采样周期间隔需要和标准化运动轨迹中的传感器采样周期间隔一致，在用户模仿某个标准运动轨迹的过程中，用户移动设备的客户端会实时的将采集到的数据与标准运动轨迹记录中对应时刻的数据进行对比，如果此时刻从用户移动设备传感器中采集到的数据落在标准运动轨迹记录中相应时刻表示的标准化区间之内，则认为认为该用户此时刻的动作是标准的，否则是不标准的。

创新点

1、本发明没有采用传统的还原运动轨迹方法来实施运动轨迹的对比，而是直接采集传感器输出数据进行统计分析，提高了运动轨迹对比的准确性。

2、本发明提出针对同一运动轨迹在不同的移动终端建立各自的运动轨迹标准化数据，提高了运动轨迹对比的准确性。

3、本发明提出了基于监督学习的方法，经过多次采样来完成运动轨迹的标准化，使得运动轨迹的描述更加精确。

4、本发明提出了将复杂运动轨迹分为简单动作完成数据采集及标准化的方法，提高了运动轨迹对比的准确性及效率。

5、本发明提出将运动轨迹的描述存储为xml或json文件，利于保存及传输。

本发明基于移动设备的运动轨迹对比方法，适用于基于移动设备的体感游戏、舞蹈、形体及武术训练。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (4)

1.一种基于移动设备的运动轨迹对比方法，其特征在于，包括以下步骤：

(1)、标准运动轨迹的采集

将标准运动轨迹分解成为若干的简单动作，标准运动轨迹中的所有简单动作都重复做n次，n>30即移动设备上各传感器对各动作都同时进行n次采样，分别得到标准运动轨迹中各简单运动的n次数据；

一个简单动作的持续时间为t，移动设备上各传感器的采样频率为kHz，简单动作被分隔成t·k个时刻，每一个时刻记做T_i,i∈(1,t·k)，在每一个时刻到达的时候对各传感器数据进行记录，则每个传感器每次采样数据为t·k个传感器数据；

(2)、标准运动轨迹的标准化

一个简单动作的T_i时刻，一个传感器n次采集得到的n个传感器数据为{x₁,x₂…x_n}，这n个传感器数据的均值μ及标准差σ为；

$\mathrm{\μ}=\frac{x_1+x_2+\·\·\·{+x}_n}{n}$

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\mathrm{\μ})}^2}$

则该简单动作的T_i时刻的标准化区间为(μ-2σ,μ+2σ)；

依此方法，得到标准运动轨迹各个传感器的各个简单动作各个时刻的传感器数据标准化区间；

(3)、标准运动轨迹的存储

按照标准运动轨迹、简单动作以及时刻的方式存储各传感器的传感器数据标准化区间，标准化区间表示为均值μ以及相应的标准化范围2σ；

(4)、标准运动轨迹的传输

将标准运动轨迹的各传感器的传感器数据标准化区间用文件形式上传到服务器，供用户下载到移动设备上，或直接通过离线方式拷贝到用户移动设备上；

(5)、运动轨迹的对比

用户通过视频指导或语音提示模仿标准运动轨迹，用户移动设备的各个传感器的采样周期间隔和标准化运动轨迹采集时各对应传感器采样周期间隔一致，并对用户模仿轨迹进行采样；

在用户模仿某个标准运动轨迹的过程中，用户移动设备的客户端实时地将采集到的各传感器数据与标准运动轨迹中对应时刻、对应传感器数据的标准化区间进行对比，如果此时刻从用户移动设备传感器中采集到的各传感器数据落入标准运动轨迹中对应时刻、对应传感器数据的标准化区间之内，则认为用户此时刻的动作是标准的，否则是不标准的。

2.根据权利要求1所述的对比方法，其特征在于，同一标准运动轨迹在不同的移动设备建立各自的标准运动轨迹的传感器数据标准化区间。

3.根据权利要求1所述的对比方法，其特征在于，所述各传感器包括加速度传感器以及陀螺仪传感器，分别输出加速度传感器x,y,z轴的数据，以及陀螺仪三轴角速度输出分量ω_x,ω_y,ω_z作为传感器数据。

4.根据权利要求1所述的对比方法，其特征在于，步骤(4)中，使用xml或者json格式存储标准运动轨迹的各传感器的传感器数据标准化区间。