CN105212941A - 一种人体活动状态识别方法及系统 - Google Patents

Abstract

本发明公开了一种人体活动状态识别方法及系统，其中，该方法包括步骤：对采集到的人体腰部加速度数据进行预处理，并根据预处理得到的三轴加速度和合成加速度计算各种状态的特征值，然后比较各个状态的特征值和对应的阈值，判断出人体的活动状态，包括长期静止状态，长期剧烈运动状态，跌倒状态和正常状态。本发明能够识别人体的多种活动状态，克服了现有技术只能识别单一状态的问题，改进了识别方法的准确性和多样性。

Description

一种人体活动状态识别方法及系统

技术领域

本发明涉及人体健康监护领域，尤其涉及一种人体活动状态识别方法及系统。

背景技术

在当今社会，人们对弱势群体的关心达到了一个新的高度。因此，能够科学有效地监测像老年人、残疾人这样的弱势群体的活动状况具有十分重要的意义。

三轴加速度传感器是一种重量轻、体积小，能够测量三个方向上的人体运动加速度，其输出也更能反映人体的真实运动状况。多项实验也证明基于三轴加速度传感器的人体运动状态识别对于不同运动类型具有良好的识别能力。相对于一些常规的评估方法，采用三轴加速度传感器的这种评估方法具有更好的客观性、实用性和可靠性。

但是，目前的基于三轴加速度传感器的人体运动状态识别方法还存在几个明显的缺点：1）信息测量不准确。有的监测装置需要佩戴在手腕上，由于手臂的活动范围广，活动空间大，很难判断此时人的真正的活动状态。2）监测的活动信息单一。有的监测装置只能监测跌倒状态，不能监测其他的活动状态。3）实时性差。有的系统为了保证较高的识别率，对加速度信号提取过多的特征，使得跌倒识别算法复杂，处理速度较慢，无法达到实时性的要求。

发明内容

本发明要解决的技术问题在于针对现有技术中监测的人体活动信息单一，并且识别算法准确率不高的缺陷，提供一种能够准确识别跌倒状态、长期静止状态、长期剧烈运动状态和正常状态的人体活动状态识别方法及系统。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种人体活动状态识别方法，包括以下步骤：

S1、采集人体腰部的加速度数据并计算三轴加速度，根据三轴加速度计算合成加速度；

S2、根据得到的三轴加速度和合成加速度，判断人体活动状态，具体包括：

S21、判断是否为长期静止状态：计算静止状态特征值a _di ，并选取对应的静止状态阈值a _dthres；如果在一段时间内对于所有采样点，静止状态特征值a _di 都小于静止状态阈值a _dthres，判定为长期静止状态；否则执行步骤S22；

S22、判断是否为长期剧烈运动状态：计算运动状态特征值a _mi ，并选取对应的运动状态阈值a _methres；如果一段时间内所有采样点的运动状态特征值a _mi 都大于运动状态阈值a _methres，判定为长期剧烈运动状态；否则执行步骤S23；

S23、判断是否为跌倒状态：计算跌倒状态特征值r _offi ，并选取对应的跌倒状态阈值r _offthres；计算运动状态特征值a _mi ，并选取此时对应的跌倒-运动状态阈值a _mothres；如果对于某一采样点，跌倒状态特征值r _offi 大于跌倒状态阈值r _offthres，并且运动状态特征值a _mi 大于跌倒-运动状态阈值a _mothres，判定为跌倒状态。

步骤S2中使用滑动时间窗口的特征提取方法计算特征值。

步骤S2中的特征值计算方法为：将滑动时间窗口分为连续的三段，包括前段时间窗为W _1f，后段时间窗为W _1b，中间段时间窗为W ₂；

静止状态特征值a _di ：计算合成加速度与重力加速度数值大小的差，并对结果取绝对值；

运动状态特征值a _mi ：计算中间段时间窗内各采样点的合成加速度与重力加速度之差，并对结果求和以后取平均值；

跌倒状态特征值r _offi ：计算前段时间窗内各采样点的y轴加速度与合成加速度比值的绝对值和与后段时间窗比值的绝对值和的差，并对结果取平均值。

本发明还提供一种人体活动状态识别系统，包括加速度预处理单元和人体活动状态判断单元，其中：

加速度预处理单元，用于采集人体腰部的加速度数据并计算三轴加速度，根据三轴加速度计算合成加速度；

人体活动状态判断单元，用于根据得到的三轴加速度和合成加速度，判断人体活动状态；

该人体活动状态判断单元具体包括：

长期静止状态判断单元，用于判断是否为长期静止状态，计算静止状态特征值a _di ，并选取对应的静止状态阈值a _dthres；如果在一段时间内对于所有采样点，静止状态特征值a _di 都小于静止状态阈值a _dthres，判定为长期静止状态；

长期剧烈运动状态判断单元，用于判断是否为长期剧烈运动状态，计算运动状态特征值a _mi ，并选取对应的运动状态阈值a _methres；如果一段时间内所有采样点的运动状态特征值a _mi 都大于运动状态阈值a _methres，判定为长期剧烈运动状态；

跌倒状态判断单元，用于判断是否为跌倒状态，计算跌倒状态特征值r _offi ，并选取对应的跌倒状态阈值r _offthres；计算运动状态特征值a _mi ，并选取此时对应的跌倒-运动状态阈值a _mothres；如果对于某一采样点，跌倒状态特征值r _offi 大于跌倒状态阈值r _offthres，并且运动状态特征值a _mi 大于跌倒-运动状态阈值a _mothres，判定为跌倒状态。

本发明产生的有益效果是：本发明的人体活动状态识别方法，通过采集人体腰部的加速度数据计算特征值，能够更加准确的识别人体活动状态；并且采用多种状态的特征值与对应的阈值相比较的方法，能够识别人体的多种活动状态，克服了现有技术只能识别单一状态的问题，改进了识别方法的准确性和多样性。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的总体程序流程图；

图2是本发明实施例的判断长期静止状态的程序流程图；

图3是本发明实施例的判断长期剧烈运动状态的程序流程图；

图4是本发明实施例的判断跌倒状态的程序流程图；

图5是本发明实施例的判断正常状态的程序流程图；

图6是本发明实施例的人体活动状态识别系统的结构示意图。

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用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例的人体活动状态识别方法，首先进行加速度预处理，然后依次进行长期静止状态、长期剧烈活动状态、跌倒状态的判别，不属于以上三种状态时，则判定为正常活动状态。并且，重新采集一组加速度数据，进行新一轮的判别。具体包括以下步骤：

S1、数据预处理，将采集到的人体腰部的加速度数据进行预处理，首先计算三轴加速度，然后根据三轴加速度计算合成加速度；

S2、根据预处理后的人体加速度数据，对人体活动状态进行判定，具体包括：

S21、判定是否为长期静止状态，具体步骤为：

S211、计算静止状态特征值a _di ，并选取对应的静止状态阈值a _dthres；

S212、比较静止状态特征值a _di 和静止状态阈值a _dthres，如果在一段时间内对于所有采样点，静止状态特征值a _di 都小于静止状态阈值a _dthres，判定为长期静止状态；否则执行步骤S22；

S22、判定是否为长期剧烈运动状态，具体步骤为：

S221、计算运动状态特征值a _mi ，并选取对应的运动状态阈值a _methres；

S222、比较运动状态特征值a _mi 和对应的运动状态阈值a _methres，如果在一段时间内对于所有采样点，运动状态特征值a _mi 都大于运动状态阈值a _methres，判定为长期剧烈运动状态；否则执行步骤S23；

S23、判定是否为跌倒状态，具体步骤为：

S231、计算跌倒状态特征值r _offi ，并选取对应的跌倒状态阈值r _offthres；同时使用步骤S22中计算的运动状态特征值a _mi ，并选取此时对应的跌倒-运动状态阈值a _mothres；

S232、比较跌倒状态特征值r _offi 与跌倒状态阈值r _offthres，运动状态特征值a _mi 与跌倒-运动状态阈值a _mothres，如果对于某一采样点，跌倒状态特征值r _offi 大于跌倒状态阈值r _offthres，并且运动状态特征值a _mi 大于跌倒-运动状态阈值a _mothres，判定为跌倒状态；否则执行步骤S24；

S24、如果不满足以上3种状态，则判定为正常状态；

采集人体腰部的加速度数据a _i =(a _xi ,a _yi ,a _zi )；根据采集的加速度数据来计算特征值；将特征值与预先设定的阈值进行比较，从而根据确定结果来识别人体运动状态。由于腰部是人体的重心，腰部的运动综合反映了人身体的运动状态，所以将加速度传感器固定在腰间，采集腰部的加速度数据，以达到人体腰部在三维空间的加速度变化与装置的三维空间的加速度变化相一致的目的。腰部是人体重心所在，能更好的反映人的运动状态，测量的数据更加准确，判断人的活动状态更加可靠。识别方法可以识别使用者的四种活动状态，即正常活动状态、长期静止状态、长期剧烈运动状态和跌倒状态。

该人体活动状态识别方法用滑动时间窗口的特征提取方法对采集到的人体加速度进行处理，提取三个特征值，表示人的实时活动信息。时间窗分成了连续的三段，前段时间窗为W_1f，后段时间窗为W_1b，中间段时间窗为W₂。为了减少运算的复杂性，引入合成加速度幅值a _ci 。静止状态特征值a _di ：计算合成加速度与重力加速度数值大小的差，并对结果取绝对值；运动状态特征值a _mi ：计算中间段时间窗内各采样点的合成加速度与重力加速度之差，并对结果求和以后取平均值；跌倒状态特征值r _offi ：计算前段时间窗内各采样点的y轴加速度与合成加速度比值的绝对值和与后段时间窗比值的绝对值和的差，并对结果取平均值。

如图2所示，是判断长期静止状态的程序流程图，首先根据预处理后的加速度数据，计算静止状态特征值a _di ，并将其与对应的静止状态阈值a _dthres进行比较，如果a _di 小于a _dthres，则计数加一，否则计数清零。当总计数大于某一阈值时，表示在这一时间段内的所有采样点，都有a _di 小于a _dthres，则判定为长期静止不动状态。由于每次判定都距离相同的时间，所以总计数与时间有关。

如图3所示，是判断长期剧烈运动状态的程序流程图，如果判定不是长期静止状态，则进行长期剧烈活动的判断。首先计算运动状态特征值a _mi ，将其与运动状态阈值a _methres进行比较。如果a _mi 大于a _methres，则计数加一，否则计数清零。当总计数大于某一阈值时，表示在这一时间段内的所有采样点，都有a _mi 大于a _methres，则判定为长期剧烈运动状态。同样地，由于每次判定都距离相同的时间，所以总计数与时间有关。

如图4所示，是判断跌倒状态的程序流程图，如果判断不是长期剧烈运动状态，则进行跌倒状态的判断。运用跌倒状态特征值r _offi 和运动状态特征值a _mi 判断跌倒状态，记跌倒状态下跌倒状态阈值为r _offthres，跌倒-运动状态阈值为a _mothres。如果对于某一采样点，跌倒状态特征值r _offi 大于跌倒状态阈值r _offthres，并且运动状态特征值a _mi 大于跌倒-运动状态阈值a _mothres，则判断为跌倒状态；否则不是跌倒状态。

如图5所示，是判断正常状态的程序流程图，如果判定不是跌倒状态，则进行正常活动状态的判断。若某种状态不属于以上三种状态，则判断为正常活动状态，本次循环结束，并且开始下一次循环，重新采样一组加速度数据，进行判断。

本发明提出的人体活动识别方法在判定跌倒时，由于所选用的时间窗较短，所以能在较短的时间下做出活动状态的判别，响应速度快，具有很好的实时性。

如图6所示，是本发明的一种人体活动状态识别系统的结构示意图，包括加速度预处理单元601和人体活动状态判断单元602，其中：

加速度预处理单元601，用于采集人体腰部的加速度数据并计算三轴加速度，根据三轴加速度计算合成加速度；

人体活动状态判断单元602，用于根据得到的三轴加速度和合成加速度，判断人体活动状态；

该人体活动状态判断单元602具体包括：

长期静止状态判断单元，用于判断是否为长期静止状态，计算静止状态特征值a _di ，并选取对应的静止状态阈值a _dthres；如果在一段时间内对于所有采样点，静止状态特征值a _di 都小于静止状态阈值a _dthres，判定为长期静止状态；

长期剧烈运动状态判断单元，用于判断是否为长期剧烈运动状态，计算运动状态特征值a _mi ，并选取对应的运动状态阈值a _methres；如果一段时间内所有采样点的运动状态特征值a _mi 都大于运动状态阈值a _methres，判定为长期剧烈运动状态；

跌倒状态判断单元，用于判断是否为跌倒状态，计算跌倒状态特征值r _offi ，并选取对应的跌倒状态阈值r _offthres；计算运动状态特征值a _mi ，并选取此时对应的跌倒-运动状态阈值a _mothres；如果对于某一采样点，跌倒状态特征值r _offi 大于跌倒状态阈值r _offthres，并且运动状态特征值a _mi 大于跌倒-运动状态阈值a _mothres，判定为跌倒状态。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (4)

1.一种人体活动状态识别方法，其特征在于，包括以下步骤：

S1、采集人体腰部的加速度数据并计算三轴加速度，根据三轴加速度计算合成加速度；

S2、根据得到的三轴加速度和合成加速度，判断人体活动状态，具体包括：

S21、判断是否为长期静止状态：计算静止状态特征值a _di ，并选取对应的静止状态阈值a _dthres；如果在一段时间内对于所有采样点，静止状态特征值a _di 都小于静止状态阈值a _dthres，判定为长期静止状态；否则执行步骤S22；

S22、判断是否为长期剧烈运动状态：计算运动状态特征值a _mi ，并选取对应的运动状态阈值a _methres；如果一段时间内所有采样点的运动状态特征值a _mi 都大于运动状态阈值a _methres，判定为长期剧烈运动状态；否则执行步骤S23；

S23、判断是否为跌倒状态：计算跌倒状态特征值r _offi ，并选取对应的跌倒状态阈值r _offthres；计算运动状态特征值a _mi ，并选取此时对应的跌倒-运动状态阈值a _mothres；如果对于某一采样点，跌倒状态特征值r _offi 大于跌倒状态阈值r _offthres，并且运动状态特征值a _mi 大于跌倒-运动状态阈值a _mothres，判定为跌倒状态。

2.根据权利要求1所述的人体活动状态识别方法，其特征在于，步骤S2中使用滑动时间窗口的特征提取方法计算特征值。

3.根据权利要求2所述的人体活动状态识别方法，其特征在于，步骤S2中的特征值计算方法为：将滑动时间窗口分为连续的三段，包括前段时间窗为W _1f，后段时间窗为W _1b，中间段时间窗为W ₂；

静止状态特征值a _di ：计算合成加速度与重力加速度数值大小的差，并对结果取绝对值；

运动状态特征值a _mi ：计算中间段时间窗内各采样点的合成加速度与重力加速度之差，并对结果求和以后取平均值；

跌倒状态特征值r _offi ：计算前段时间窗内各采样点的y轴加速度与合成加速度比值的绝对值和与后段时间窗比值的绝对值和的差，并对结果取平均值。

4.一种人体活动状态识别系统，其特征在于，包括加速度预处理单元和人体活动状态判断单元，其中：

加速度预处理单元，用于采集人体腰部的加速度数据并计算三轴加速度，根据三轴加速度计算合成加速度；

人体活动状态判断单元，用于根据得到的三轴加速度和合成加速度，判断人体活动状态；

该人体活动状态判断单元具体包括：

长期静止状态判断单元，用于判断是否为长期静止状态，计算静止状态特征值a _di ，并选取对应的静止状态阈值a _dthres；如果在一段时间内对于所有采样点，静止状态特征值a _di 都小于静止状态阈值a _dthres，判定为长期静止状态；

长期剧烈运动状态判断单元，用于判断是否为长期剧烈运动状态，计算运动状态特征值a _mi ，并选取对应的运动状态阈值a _methres；如果一段时间内所有采样点的运动状态特征值a _mi 都大于运动状态阈值a _methres，判定为长期剧烈运动状态；

跌倒状态判断单元，用于判断是否为跌倒状态，计算跌倒状态特征值r _offi ，并选取对应的跌倒状态阈值r _offthres；计算运动状态特征值a _mi ，并选取此时对应的跌倒-运动状态阈值a _mothres；如果对于某一采样点，跌倒状态特征值r _offi 大于跌倒状态阈值r _offthres，并且运动状态特征值a _mi 大于跌倒-运动状态阈值a _mothres，判定为跌倒状态。