CN105214296A - 一种获得运动信息的方法 - Google Patents

Abstract

本发明涉一种获得运动信息的方法，其包括电源开启，运动信息采集系统以缺省状态初始化，进入低功耗休眠状态，人机交互模块开启无线搜索功能；运动信息采集系统进行数据采集；计算x轴、y轴和z轴三个轴的加速度；判断用户运动相对于局部坐标系的方向，并通过无线传输发送给人机交互模块等步骤。本发明提供的人机交互方法并能够实现人体运动模式识别的功能并能达到人机交互的目的。本发明提供的人机交互方法特别适于用脚来完成的游戏，实现了没有束缚的新型控制方式，以人脚部的运动状态来直接控制软件或游戏。

Description

一种获得运动信息的方法

技术领域

本发明涉及模式识别、电子信息技术与计算机科学领域，尤其设计一种带有运动数据检测与体感游戏功能的鞋和系统，以及一种人机交互的方法。

背景技术

随着电子技术的发展，传统制鞋业领域出现了一种新型运动鞋——智能运动鞋。智能运动鞋是一种运动或者健身的辅助工具，其在普通运动鞋内部安装传感器以测算用户的运动数据。

然而，现有的智能运动鞋只能用来测量速度、里程、高度等“直接”、“简单”的运动数据，不具备对所测量的数据进行处理、分析的能力。也就是说，其无法对人体运动模式这种“间接”数据进行识别，如对人体脚步移动方向的判断，也就更不可能进一步利用人体不同的动作进行人机交互的控制，如进行PC或手机端的游戏交互控制等。

人体运动模式识别的主要难点在于三点：其一、用于人机交互如体感游戏控制过程中，人的运动是没有规律性的，多属于随机动作，因此相比于跑步和走路这种规律性运动，运动模式的准确识别难度要比测量速度和里程等数据大的多；其二、MEMS(Micro-Electro-MechanicalSystems微机电系统)元件具有漂移的特性，随着使用时间的推移和温度的变化，其输出值会随之漂移，因此这种漂移特性给人体运动模式识别的方法提出了更高的要求；其三、每个人的脚部运动模式有其特殊性，如有些人是外八字步和内八字步等，需要给出一种普适性的实现方案，可以适应于大多数人群，这也给运动模式识别带来了很大的困难。

而在游戏娱乐领域，对于需要用脚来进行的游戏，如跳舞类、足球类游戏，以及最新的跑酷类游戏，大多数依然还是在用传统人机交互方式如手柄、键盘以及触摸屏来控制。如国内非常流行的跳舞机类游戏《劲舞团》和《QQ炫舞》，基本还是在用键盘的“上下左右”等方向键来控制。目前已经有部分跳舞机类游戏采用了“跳舞毯”进行游戏，但是这种跳舞毯的局限性较大，比如，跳舞毯的大小是固定的，对于不同身高腿长的人群(大人和小孩子)，没有普遍适应性；再如，用户需要踩到固定的位置(压电感应的传感器放置位置)，才能产生控制信号，用户的运动空间受到跳舞毯大小和放置位置的制约，控制方式死板。

综上所述，无论是运动领域还是娱乐领域，特别是适于用脚来完成的游戏，亟待一种没有束缚的新型控制方式，以人脚部的运动状态(例如移动方向)来直接控制运动或游戏，达到一种自然和谐人机交互的目的。

发明内容

1、本发明所要解决的技术问题

本发明旨在提供一种低成本、低功耗的解决方案，以实现人机交互，特别是实现人体脚部的运动数据测量以及运动模式识别，并进一步实现人机交互。设计了一种基于单个三轴加速度计和低功耗无线通讯技术的人体脚部运动信息采集传感器，可以放置在鞋子的足弓处，基于步态识别技术以及对MEMS元件漂移的补偿算法，可以计算人体运动数据。并基于模式识别技术，进一步实现了人体脚部的不同动作的识别，并将识别出的动作进一步用于人机交互。系统整体设计以低功耗为目标，除了在选用硬件上注重低功耗以外，在通讯协议和数据交互方式上，采用了休眠唤醒机制和事件驱动型的数据发送方式，以降低计算功耗和通讯开支，从而实现整体系统的低功耗。

本发明除了可以实现规律运动如跑步和走路等的运动数据计算外，还可以实现人体无规律运动时的运动模式检测，并利用不同的动作直接控制体感游戏。

特别的，当上位机是PC机时，基于Windows系统API，本发明可以将人体不同的动作通过模拟系统输入的方式，映射为PC的键盘和鼠标输入。

2、解决其技术问题采用的技术方案

本发明所述的一种运动信息采集系统，包括：数据采集单元，用于采集加速度数据；数据处理单元，对加速度数据进行处理；其中，数据处理单元包括根据所采集的加速度数据获得运动信息的程序。

数据采集单元包括：基于三轴加速度传感器，其用于获得采样周期T的三个轴向的电压信号V_x，V_y和V_z。

数据处理单元包括：中央处理单元，其用于处理电压信号V_x，V_y和V_z并根据电压信号V_x，V_y和V_z获得运动信息。

中央处理单元包括：信号调理单元，其对电压信号V_x，V_y和V_z进行处理以获得数字化的加速度运动信息。

运动信息包括采样周期T的三个轴向的加速度值a_x，a_y和a_z，加速度值a_x，a_y和a_z是通过下述公式计算得到的：

$a_x=\frac{(V_x-V_0)\×R}{\mathrm{scale}},$

$a_y=\frac{(V_y-V_0)\×R}{\mathrm{scale}},$

$a_z=\frac{(V_z-V_0)\×R}{\mathrm{scale}},$

其中，

V_x为采样周期T的基于三轴的加速度传感器获得的x轴的轴向电压，

V_y为采样周期T的基于三轴的加速度传感器获得的y轴的轴向电压，

V_z为采样周期T的基于三轴的加速度传感器获得的z轴的轴向电压，

V₀为基于三轴的加速度传感器的零偏，

scale为基于三轴的加速度传感器的刻度因数，

R为基于三轴的加速度传感器的量程。

采样周期T的三个轴向的加速度值a_x，a_y和a_z进行数字滤波以分别得到采样周期T的三个轴向的修正的加速度值a_xf，a_yf和a_zf。

运动信息还包括运动方向角θ，其中，θ是矢量(f_x，f_y，f_z)的方向角，f_x、f_y、f_z是通过下述公式计算得到的：

$f_x\left(T\right)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}(a_{\mathrm{xf}}\left(i\right)-a_{\mathrm{xf}0}),$

$f_y\left(T\right)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}(a_{\mathrm{yf}}\left(i\right)-a_{\mathrm{yf}0}),$

$f_z\left(T\right)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}(a_{\mathrm{zf}}\left(i\right)-a_{\mathrm{zf}0}),$

其中，k代表从开始运动时刻起计算的采样次数，取值为自然数，

a_xf(i)，a_yf(i)，a_zf(i)分别为在采样周期T内，第i+1次采集的三个轴向的加速度信息，

a_xf0代表静止时刻x轴的加速度基准值，a_yf0代表静止时刻y轴的的加速度基准值，a_zf0代表静止时刻z轴的加速度基准值。

运动信息采集系统的工作原理为，根据下述步骤判断运动方向：

(1)将θ在XYZ坐标系中映射为θ_xoy，θ_z，其中θ_xoy为在XOY面上投影的角度，取值范围为【0，360】单位度；θ_z表示与Z轴正向的夹角，以Z轴正向为基准，取值范围为【0，180】，

(2)将XYZ坐标系划分为5个区间θ₁，θ₂，θ₃，θ₄，θ₅；

(3)如果|θ_z|＞θ₅且θ_xoy∈(0，θ₁)，θ_xoy∈(θ₄，360)，则运动方向为向前；如果|θ_z|＞θ₅且θ_xoy∈(θ₁，θ₂)，则运动方向为向左；如果|θ_z|＞θ₅且θ_xoy∈(θ₂，θ₃)，则运动方向为向后；如果|θ_z|＞θ₅且θ_xoy∈(θ₃，θ₄)，则运动方向为向右；如果|θ_z|＜θ₅且θ_xoy∈(0，360)，则运动方向为向上。

θ₁，θ₂，θ₃，θ₄，θ₅是通过采集不同性别、不同身高的用户的运动数据，利用统计规律修正得到的。

运动信息还包括距离值Distance，距离值Distance是通过下述公式计算得到的：

$\mathrm{Dis}\tan \mathrm{ce}=k{(A_{\mathrm{Max}}-C)}^{\frac{1}{2}},$

其中，K、C为常数，A_Max为一个运动过程中三个轴向合成加速度的最大值

$A_{\mathrm{Max}}=\mathrm{Max}\left(\sqrt{{a_{\mathrm{xf}}}^2+{a_{\mathrm{yf}}}^2+{a_{\mathrm{xf}}}^2}\right).$

运动信息包括距离值Distance还可以通过下述公式计算得到的：

$\mathrm{Dis}\tan \mathrm{ce}=k{(A_{\mathrm{Max}}-C)}^{\frac{1}{2}},$

其中，K为常数，A_Max为一个运动过程中三个轴向合成加速度的最大值C＝gra(t)+b，其中gra(t)是当前时间下加速度传感器单元所测量得到的重力加速度，b是常数。

运动信息还包括高度值，高度值Height是通过下述公式计算得到的：

$\mathrm{Height}=\frac{1}{2}g{\left(\frac{\mathrm{Te}-\mathrm{Ts}}{2}\right)}^2.$

其中，g是重力加速度值，Te是中央处理单元采集的第一时间，Ts是中央处理单元采集的第二时间，Te-Ts是用户的滞空时间。

运动信息还包括采样周期T的瞬时速度值V(t)，瞬时速度值V(t)是通过下述公式计算得到的：

$V\left(t\right)=\frac{d(t+T_{\mathrm{mterval}})-d\left(t\right)}{T_{\mathrm{mterval}}}$

其中，T_interval为自采样周期起持续运动的时间，d(t)是在采样时间t时刻已经经过的距离，d(t+T_interval)通过下述公式计算得到：

其中，K、b为常数，A_Max为一个运动过程中三个轴向合成加速度的最大值：gra(t)为采样时刻t下加速度传感器单元所测量得到的重力加速度。

运动信息还包括平均速度值V_avg(t)，平均速度值V_avg(t)是通过下述公式计算得到的：

$V_{\mathrm{avg}}\left(t\right)=\frac{d\left(t\right)}{t}$

其中，d(t)是在计算采样时刻t已经经过的距离，

其中，K、b为常数，A_Max为一个运动过程中三个轴向合成加速度的最大值：gra(t)为采样时刻t下加速度传感器单元所测量得到的重力加速度。

运动信息采集系统还包括：电源单元，用于为所述运动信息采集系统供电；电源控制芯片，用于将所述电源单元输出的电压处理稳定为所述运动信息采集系统其他各模块所需的电压。

本发明还提供一种鞋，包括：鞋子本体，和上述的运动信息采集系统，运动信息采集系统用于获得用户所穿的鞋子本体的运动信息。

本发明还提供一种人机交互系统，包括：上述的运动信息采集系统，运动信息采集系统用于获得用户脚部的运动信息；无线接收模块，无线接收模块通过无线传输的方式与运动信息采集系统进行无线连接；终端；和终端中所运行的软件或程序；其中，无线接收模块与终端通过外设接口进行直接连接外设接口为USB接口，迷你USB接口或微型USB接口。终端可为PC机、手机或智能电视。

无线接收模块与运动信息采集系统的无线连接所采用的装置为Zigbee装置或低功耗蓝牙装置。无线接收模块包括：USB/UART接口转换芯片，用于为所述无线接收模块接收到的数据类型转换为可传输格式。

当PC机为Windows操作系统时，人机交互的实现利用WindowsAPI将人体不同的动作映射为键盘和/或鼠标的不同输入，从而实现人机交互。

人机交互系统将人体不同的动作映射为键盘和/或鼠标的不同输入包括：

1)建立动作到人机交互指令序列的映射；

2)根据配置文件解析键盘扫描码或者鼠标输入；

3)调用系统API实现键盘或鼠标模拟。

本发明还提供一种获得运动信息的方法，其特征在于，包括：1)电源开启，运动信息采集系统以缺省状态初始化，进入低功耗休眠状态，人机交互模块开启无线搜索功能；2)运动信息采集系统在休眠状态以Tsleep为周期发送启动请求信号；3)若启动请求信号没有得到回应，继续执行流程2)；否则，运动信息采集系统由休眠状态转入唤醒状态；4)在唤醒状态，运动信息采集系统以时间T为时钟周期，每周期采集基于三轴加速度传感器的数值，并按照标定后的参数，计算得到三个轴向的加速度ax，ay，az，5)对加速度ax，ay，az分别进行滤波处理，得到axf，ayf，azf；6)计算(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²，其中axf(k)，ayf(k)，azf(k)分别表示第k+1次采集得到x轴、y轴和z轴三个轴的加速度；若(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²Threshold，则转入流程7)，否则继续执行步骤6)；7)计算自第k+1个周期开始n个周期，加速度的变化量的累计值建立局部坐标系X_bY_bz_b得到f_x(k+n)，f_y(k+n)，f_z(k+n)，然后根据f_x(k+n)，f_y(k+n)，f_z(k+n)判断得到用户运动相对于局部坐标系的方向，并通过无线传输发送给人机交互模块；8)计算(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²，并与预设的阈值Threshold比较，且连续p个周期内，都有若满足以下条件：(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²＜Threshold，则转入步骤3)。

本发明还提供一种实现人机交互的方法，包括以下步骤：1)根据上述获得运动信息的方法获得运动信息；2)将运动信息通过无线传输的方式进行发送至无线接收模块；3)无线接收模块将运动信息通过直接的电气连接传输给终端；4)终端根据运动信息实现对终端上所运行的软件或程序的人机交互操作。

3、与现有技术相比具有的有益效果

本发明与现有技术相比其功能创新在于以下几点：

本发明不仅可以进行运动数据的测量，还可以准确的检测人体脚部的运动模式，进行体感游戏控制。

本发明在上位机为PC机且为Windows平台下，可以通过WindowsAPI的调用，利用人体的不同运动，模拟PC的键盘和鼠标输入。

本发明计算方法没有累计误差。一般而言，速度计算是加速度不断积分得到的，长期的积分将会造成累计误差，且MEMS器件本身漂移大，二次积分计算距离会造成重大偏移，而本方法计算基于大量数据统计规律，利用经验公式计算距离，具有无累计误差的特点，而速度是根据距离对时间的微分计算得到，也没有累计误差。

本发明的方法可以有效的抑制MEMS元器件漂移造成的误差。在判断用户脚部动作时，采用的是加速度信息的一阶差分量进行判断，属于相对量，而不是绝对量，可以有效的避免惯性元器件漂移带来的计算误差。有些计算要用到的静止加速度基准值，也是随着时间变化而不断变化的，因此本方法采取了一种自动跟随的方式在线的校准加速度基准。

本方法的计算具有计算简单、实时性好的优点。本方法计算运动速度不需要进行积分运算，即使是计算距离也不需要二次积分运算，而是通过经验公式推算得到距离，通过一次差分运算即可得到实时速度。

本方法采用了数字滤波技术，可有效去除原始信号噪声，且相比硬件滤波成本低。本方法对原始加速度信息进行滤波处理，得到滤波后的加速度信息，然后进行计算，可大大提高系统的抗干扰能力以及对用户运动状态判断的准确性。

本发明具有低功耗待机和低功耗通讯的特点。用户静止超过一段时间，则MCU控制整个系统进入休眠状态，切断不必要的电力消耗，进入低功耗待机模式，并以一定的时间间隔控制系统进行外界连接的扫描，如果发现有连接，则唤醒整个系统；且本发明并非按照固定的周期如100HZ去不断的刷新数据，而是采用了事件驱动型的通讯方式，即有动作发生，即立即发送运动数据，而静止时刻是不发送数据，因为没有数据更新。

附图说明

图1为设置有无线传感综合模块的鞋子本体示意图；

图2为鞋子本体上局部坐标系示意图；

图3为本发明中的无线传感综合模块与无线接收模块的结构示意图；

图4为系统工作流程图；

图5为空间角的映射关系；

图6为XOY平面角度与动作对应的区间划分；

图7为人体运动时脚部的三轴向加速度变化；

图8前左移动时XOY平面角的统计分布。

具体实施方式

下面将结合附图和实施例以将运动处理装置放置在鞋子中为例对本发明作进一步的详细说明。

一、硬件系统结构组成

本发明提出了一种基于三轴加速度计和低功耗无线通讯技术的人机交互方法。硬件系统结构组成如图1所示，所述的鞋子本体1在底部设置有运动信息采集系统2，所述的运动信息采集系统2与无线接收模块3之间基于无线通讯进行连接，无线接收模块3直接与PC机等终端设备连接。所述的运动信息采集系统2与无线接收模块3进行通信，无线接收模块3用于接收鞋子本体1的运动信息，所得到的运动信息可以应用于数据分析、仿真虚拟训练或人机交互。所获得的信息可用于实时检测用户的脚步移动的动作数据等，或记录下动作数据用于赛后的分析，也可以实时的进行仿真训练或者人机交互用。运动信息采集系统2上采用低功耗单片机作为中央处理器，人体脚部运动数据的解算过程全部在运动信息采集系统2内部完成，实现了更高的集成度。

所述的运动信息采集系统2安置在鞋子本体中，例如鞋子本体底部，并且运动信息采集系统的质心作为局部坐标系的原点，鞋子本体局部坐标系的建立如图2所示。

以下，本发明以将运动信息采集系统2安置在鞋子本体的底部的足弓处为例进行说明，本领域技术人员可以理解，在不影响美观和舒适的前提下，该模块也可以设置在鞋子本体的侧部、后部或上部等任意位置。

所述的硬件系统总体结构实现如附图3所示，包括运动信息采集系统2和无线接收模块3。其中，所述运动信息采集系统2包括：加速度传感器、信号调理单元、中央处理单元、第一无线传输模块、数据存储单元、电源单元和电源控制芯片。所述的电源单元用于为加速度传感器、信号调理单元、中央处理单元、第一无线传输模块和数据存储单元供电；所述的电源控制芯片用于将电源单元输出电压稳定到其他模块所需的电压；所述的加速度传感器采集鞋子本体加速度运动信息并经过信号调理单元调理为可用信号后，发送到中央处理单元，经过相关计算，得到人体的运动信息，并经过无线传输的发送端发送给无线接收模块。所述无线接收模块3包括面向PC、手机等带有外设接口(例如USB接口，迷你USB接口或微型USB接口等)的设备，其包含第二无线传输模块，USB/UART接口转换芯片、电源芯片以及外设接口，所述的第二无线传输模块的接收端接收发送端的数据，并通过接口转换后，转换为可传输的格式。

所述的加速度传感器为三轴加速度计。在优选实施例中，可以采用KXD94加速度计芯片(KXD94是Kionix公司生产的三轴加速度计)，该器件测量范围为最大±13g，灵敏度系数为200mV/g(5V供电)，工作电压为2.5～5.25V；该加速度计功耗很低，电流约0.9-1.5mA，可以满足整体设计的低功耗要求。KXD94三路输出分别代表X轴输出、Y轴输出、Z轴输出，提供给后续信号调理单元之后最终被中央处理单元的单片机AD采集。

在优选实施例中，所述的中央处理单元可以是TI公司的MSP430F247单片机，可以满足信息的实时采集并进行在线计算得到位移信息的要求。MSP430系列是超低功耗的单片机品种，很适合电池供电的长时间工作场合。MSP430芯片活动模式电流225uA，待机状态仅0.8uA，掉电模式0.1uA。采用数字控制振荡器，从待机到唤醒模式响应时间不超过6us。4K的RAM容量，8路12位AD采集，I2C/SPI接口、UART/USART等。MSP430可以有效实现本发明要求的集成度高、低功耗、低成本的嵌入式应用。

在优选实施例中，第一和第二无线传输模块Zigbee芯片采用TI公司的CC2520和CC2531。其中CC2520作为下位机无线传输用，CC2531作为终端接收器无线传输用。CC2520工作频率2.4G，最大传输速率为250kbps，工作电压为1.8V～3.8V，接收发送状态电流为18.5ma，空闲时电流为3ua，唤醒时间500us；CC2531工作频率2.4G，最大传输速率为250kbps，工作电压为2V～3.6V，接收发送状态电流为20.5ma，空闲时电流为1ua，唤醒时间600us，且CC2531片上集成了8051MCU，具有更高的集成度。Zigbee芯片相比较蓝牙，具有低成本，低功耗，传输距离长的优势，更契合本发明的设计思想。

在优选实施例中，电源单元采用锂电池供电，电池采用可充电超薄锂电池，容量200-300mAh，工作电压6V，充放电次数可达500次，即使使用很频繁也可以保证至少一年的使用时间。

在优选实施例中，电源控制芯片可使用AMS1117-3.3作为电源稳压芯片，使电源单元输出稳定为3.3V，可以为ARM、三轴加速度计、及第一无线传输模块稳定供电。AMS1117-3.3芯片输入电压范围4.75～12V，输出电压3.267～3.333V，输出电流1A，工作温度-40～125℃。

在优选实施例中，针对PC机、手机、智能电视等带有USB口的设备设计，无线接收模块主要包括无线接收、USB/UART接口转换芯片、电源芯片以及USB接口。无线接收主要用于接收运动信息采集系统发送过来的体感数据。而信号类型转换芯片为FT232R，FT232R为USB/UART转换芯片，其主要功能是在内部硬件逻辑作用下实现USB和一步串行数据传输接口的转换。芯片内部继承了1024位的EEPROM和多频率时钟发生器(6MHz，12MHz，24MHz，48MHz)。电源芯片采用上文提到的AMS1117-3.3，提供3.3V输出为FT232R和Zigbee模块供电。USB接口用于与终端设备如PC机相连，完成数据传输以及电源供电功能。

二、采用上述的运动信息采集系统采集运动数据的工作流程

以下参考附图4，对采用上述的运动信息采集系统采集运动数据的工作流程进行具体描述。

1)系统初始化

电源开启，运动信息采集系统以缺省状态初始化，进入低功耗的休眠状态，无线接收模块开启无线搜索功能；

2)唤醒运动采集系统

运动信息采集系统在休眠状态以Tsleep为周期(Tsleep为以秒为单位的休眠周期，如可以取Tsleep＝2s)，向外发送启动请求信号；若启动请求信号没有得到回应，则执行流程(2)；否则，若在启动请求得到终端的回应的情况下，运动信息采集系统由休眠状态转入唤醒状态，执行步骤(3)；

3)计算加速度信息并滤波

运动信息采集系统在唤醒状态，按照时间t为时钟周期(t的典型值可取10ms)，每周期由MCU通过AD采集加速度计的三轴向的数值，并按照标定后的参数，计算得到加速度a_x，a_y，a_z。为了降低信号噪声，对加速度a_x，a_y，a_z然后进行数字滤波处理，得到a_xf，a_yf，a_zf；

4)判断是否开始动作

根据滤波后的加速度信息a_xf，a_yf，a_zf，判断用户是否发生运动。

设以时间T为周期进行采集，第k+1次采集得到的加速度信息用a_xf(k)，a_yf(k)，a_zf(k)表示，计算(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²，并与预设的阈值Threshold比较，且连续m个周期(如m＝5)内，都满足以下条件：

(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²＞Threshold

则认为用户发生的脚部的移动，转入流程(5)，否则继续循环执行(4)；

5)用户动作模式的识别。

若在第k+1次采集得到的加速度信息时，检测到用户脚部有运动，则定义函数：

$f(k+n)=\underset{i=k}{\overset{k+n}{\mathrm{\Σ}}}(a_f\left(i\right)-a_{f0})$

表示自k+1时刻开始n个周期，加速度的变化量的累计值，针对鞋子本体局部坐标系X_bY_bZ_b三个轴向，得到f_x(k+n)，f_y(k+n)，f_z(k+n)。然后即可根据fx，fy，fz的值，判断得到用户运动的方向(相对于局部坐标系)，如在XOY平面内前后左右的移动，或者沿着Z向发生的弹跳，并通过无线传输发送给上位机；

6)判断用户是否停止动作。

计算(a_xy(k)-a_xy(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²，并与预设的阈值Threshold比较，且连续p个周期(如p＝8)内，都若满足以下条件：

(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²＜Threshold则认为用户由运动转入静止状态。当静止状态超过一定时间阈值Trest时，如Ttrest为3600秒，即转入(2)，进入休眠状态；

7)计算用户一个动作所经过的距离或高度。

对于距离的测量，本发明提出了一种基于统计数据建模的方法，通过对大量样本的检测，基于步态识别技术，改进了一种经验公式，得到令

其中K、C为常数，与具体的运动状态有关，如不同的运动剧烈程度，K，C取值不同。其中C由于MEMS元件的漂移特性，需要随着系统运行时间，对C进行补偿，具体而言可令C＝gra(t)+b，其中gra(t)是当前时间，加速度计所测量得到的重力加速度，b是常数。A_Max是运动过程中(从起脚到落脚的时间段内)，XYZ三个轴向合成加速度的最大值，对于弹跳高度的计算，当检测到用户沿着Z轴有移动时，通过计算用户双脚的滞空时间推算弹跳高度，如检测出左右脚最后一只脚离地的时刻记为Ts，然后检测到左右脚中最早一只脚落地的时刻记作Te，则根据以下公式计算得到弹跳高度Height；

8)计算运动的实时速度与平均速度。

本发明中，计算用户运动速度不是依靠对加速度值进行积分，而是依靠推算得到的运动距离的变化量与固定时间间隔的比值。运动时间持续时间为Tinterval(Tinterval是正实数，单位：秒)，则t时刻的运动速度V(t)计算公式如下：

$V\left(t\right)=\frac{d(t+\mathrm{Tinterval})-d\left(t\right)}{\mathrm{Tinterval}}$

其中d(t)表示t时刻用户已经走过的距离，Tinterval动作持续时间，该公式含义为发生该动作的瞬时速度

平均速度计算公式：

$V_{\mathrm{avg}}\left(t\right)=\frac{d\left(t\right)}{t}$

其中t表示总的运动时间。

将得到运动数据信息，通过无线传输发送给上位机，则转入流程(3)；

9)若上位机发送休眠的控制指令，则运动信息采集系统转入休眠状态，转入流程(1)。

上述第7)-8)步是可选的。本领域技术人员可以根据需要选择执行不同的步骤、以实现不同的功能或其组合。

三、对人体运动数据的详细计算过程

为了便于表述将计算过程中使用到的坐标系进行具体定义如下：

鞋子本体局部坐标系：原点为本发明鞋子本体上的运动信息采集系统的重心，x，y，z轴分别指向系统的纵轴、横轴、和竖轴(向上)，如图2所示。

1)原始信号预处理与数字滤波

原始信号转换为加速度值：针对所选用的加速度计，需要进行使用之前的标定，通过国家标准的位置实验，标定该型号的加速度计的零偏V₀，以及刻度因数scale。其中R是指加速计的量程，单位是重力加速度g。则标定后的三个轴向加速度的电压值可以转换为实际的加速度值，计算公式为：

$a=\frac{(V-V_0)\×R}{\mathrm{scale}}$

通过上述公式将MCU采集加速度计所输出的电压值，转换为沿着x，y，z三个轴向的加速度值，a_x，a_y，a_z。

原始信号数字滤波：由于低成本MEMS系统本身的的精度，以及采集过程中的量化噪声等原因，需要对原始信号进行滤波，以提高系统的精度和稳定性。具体实施过程可以根据需求选用不同的数字滤波算法，本实施例采用9点平滑滤波。

具体算法如下：

设t＝k+1周期时刻，(k＝0、1、2、3……)，加速度计所输出的三轴向加速度值为：a_x(k)，a_y(k)，a_z(k)；

如果k＜8，则滤波后的加速度如下式：

$a_{\mathrm{xf}}\left(k\right)=\frac{1}{k}\underset{i=0}{\overset{k}{\mathrm{\Σ}}}{a}_{\mathrm{xf}}\left(i\right),a_{\mathrm{yf}}\left(k\right)=\frac{1}{k}\underset{i=0}{\overset{k}{\mathrm{\Σ}}}{a}_{\mathrm{yf}}\left(i\right),a_{\mathrm{zf}}\left(k\right)=\frac{1}{k}\underset{i=0}{\overset{k}{\mathrm{\Σ}}}{a}_{\mathrm{zf}}\left(i\right)$

如果k＞＝8，则滤波后的加速度如下式：

$a_{\mathrm{xf}}\left(k\right)=\frac{1}{9}\underset{i=k-8}{\overset{k}{\mathrm{\Σ}}}{a}_{\mathrm{xf}}\left(i\right),a_{\mathrm{yf}}\left(k\right)=\frac{1}{9}\underset{i=k-8}{\overset{k}{\mathrm{\Σ}}}{a}_{\mathrm{yf}}\left(i\right),a_{\mathrm{zf}}\left(k\right)=\frac{1}{9}\underset{i=k-8}{\overset{k}{\mathrm{\Σ}}}{a}_{\mathrm{zf}}\left(i\right)$

则实际的三轴向加速度的矢量和有如下关系：

a_f ²＝a_xf(k)²+a_yf(k)²+a_zf(k)²

2)运动(静止)状态检测

当时刻T＝k+1时(k是自然数，代表着时钟周期，可以是5ms，10ms等，根据不同的应用可以选择不同的时钟和周期)，通过三轴加速度传感器，获得鞋子本体的三个坐标轴方向上的加速度，分别记作a_x(k)，a_y(k)，a_z(k)a_x，a_y，a_z，经过步骤1数字滤波后的加速度为a_xy(k)，a_yf(k)，a_zy(k)。当用户脚部发生了移动时，记录下运动起始时刻Tstart＝k+1，即完成了人体运动初始时刻检测。具体方式如下：

检测T＝k+1时刻脚部是否有移动，则将计算本时刻的(a_xy(k)-a_xy(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k)-1))²，将该值与阈值Threshold进行对比(阈值是一个正实数，根据实际需求可自由选择，典型值如10)，如果发现T＝k该值大于阈值即认为用户可能存在脚部移动，进一步考察接下来的m个周期，如本发明中取m＝3，即连续4个周期(m＝0也算一个周期)加速度值都大于阈值，且当前状态为静止状态，即认为用户的脚部出现了移动。

类似的，当人体的运动信息满足以下两个条件时，即认为运动停止：其一是加速度值连续p个周期小于阈值Threshold，其二是当前状态为运动状态。当满足这两个条件时，即认为是一次动作的结束。即当T＝k+1时刻到T＝k+1+p时刻，有以下两个条件满足：

(a_xy(k)-a_xy(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²＜Threshold

且当前处于运动状态；

记录此刻的时间，令Tend＝k+1+p，即为运动结束时刻。

该方法的优点在于，其1是利用连续几个周期的信息，增强了去除噪声干扰的效果，增强了系统的鲁棒性，有效的避免了误检测；其2是采用的是加速度信息的一阶差分量，属于相对值，而不是直接通过加速度的绝对值，可以有效的降低MEMS元件的漂移带来的计算误差。

3)运动距离计算

通过步骤2中，对人体运动时某一个动作的起止时间的检测，可以考察Tstart时刻到Tend时刻中，用户脚部移动的加速度信息，利用经验公式，推算得到每一个动作的运动距离。具体实现如下：

令运动距离其中K为常数，可以通过大量的样本测量得到。C为基准常数，是一个可修正的值，K，C取值与具体的运动状态有关。A_Max是运动过程中(从起脚到落脚的时间段内)，XYZ三个轴向合成加速度的最大值，

K的取值是以某一个初始值为基准，如K＝1，然后通过大量样本的试验测量，不断的迭代逼近最佳值；同样的C也是通过不断修正得到的，C的典型基准值为g(也就是1个重力加速度)，但是由于MEMS元件的漂移特性以及供电电压的随时间的变化，会导致随着系统运行时间的增加，三轴加速度计在静止状态下的三轴向合成加速度的值的变化，此处计为gra(t)，而令C＝gra(t)+b。其中b初始值为0，通过不断的样本试验，修正得到最终值。因此需要对gra(t)进行实时的校准，加速度基准漂移的校准措施如下：

本方法采用了在线校准的思路，在“零速”或匀速时刻，对加速度基准值进行重新校准。

由于传感器的安装位置的不确定性(即使放在足弓，也未必会水平)，出于对运动模式的识别的需求，必要针对三个轴向，分别进行实时的基准的测量，得到一个随时间变化的静止时刻三轴向加速度的基准值a_x0(t)，a_y0(t)，a_z0(t)，继而推算得到

$a_0\left(t\right)=\sqrt{a_{x0}{\left(t\right)}^2+a_{y0}{\left(t\right)}^2+a_{z0}{\left(t\right)}^2}$

以时间T为重新校准周期，当系统运行时间超过一个T，即重新计算基准(视所选用的芯片的漂移曲线和使用的场合选择T，典型如T＝10分钟)。若用户处于静止状态时段，如t＝k+1时刻起，随后的n个周期内用户处于静止态，则重新计算一次加速度基准，公式如下(以X轴为例)：

$a_{x0}(k+n)=\frac{1}{n+1}\underset{i=k}{\overset{k+n}{\mathrm{\Σ}}}{a}_{x0}\left(i\right)$

同样即可得到三个轴向的校准后的真实加速度基准值，从而推算得到三轴向合力矢量的加速度gra(t)。

针对不同的运动模式，如跑步模式，走路模式，以及体感游戏模式，K，C的取值是不同的。针对不同的需求，针对不同的人群样本，可以通过实际的统计学规律，给出一个较为准确的逼近值。

4)运动速度计算

本发明中，计算用户运动速度不是依靠对加速度值进行积分，而是依靠推算得到的运动距离的变化量与固定时间间隔的比值。取运动持续时间为Tinterval(Tinterval是正实数，单位：秒)，则t时刻的运动速度V(t)计算公式如下：

$V\left(t\right)=\frac{d(t+\mathrm{Tinterval})-d\left(t\right)}{\mathrm{Tinterval}}$

其中d(t)表示t时刻用户走过的距离。

平均速度计算公式：

$V_{\mathrm{avg}}\left(t\right)=\frac{d\left(t\right)}{t}$

其中t表示总的运动时间；

最大速度计算公式为：V_max(t)＝Max{V(1)，V(2)…V(t)}

5)弹跳高度计算

对于弹跳高度的计算，当检测到用户的双脚沿着Z轴有移动时，通过计算用户的滞空时间推算弹跳高度，如检测出左右脚最后一只脚发生移动的时刻记为Ts，然后检测到左右脚中最早一只脚落地的时刻记作Te，则根据以下公式：

$\mathrm{Height}=\frac{1}{2}g{\left(\frac{\mathrm{Te}-\mathrm{Ts}}{2}\right)}^2$

计算得到弹跳高度Height；

6)计步器实现

根据步骤2测量运动的起止时刻，每一个起止周期，即可将步数step加1。

此外，如果用户在户外进行运动时，可以采用离线记录的模式，将用户的运动信息记录在闪存中，不同的MCU有不同的闪存容量。里程、能量消耗、计步和平均速度等变量只需要记录一个最终的结果即可，而实时速度是一个过程量，需要全程进行记录，因此需要按照一定时间间隔不断的进行记录，如对于实时速度，可以2s进行一次采样记录，根据不同的MCU内置闪存容量，可以有不同的离线记录容量。

上述各步骤是可选的。本领域技术人员可以根据需要选择执行不同的步骤、以实现不同的功能或其组合。

四、本发明对运动模式识别的计算详细如下：

所述运动模式具体指的是运动的方向或者说不同的动作，通过区分不同的动作即可完成不同的人机交互需求。对于人机交互控制而言，要求交互的实时性，即运动模式的识别不能延迟太多，因此在计算中，不能采用动作完成之后再去判断运动方向的方法。而是要在动作开始的最初一段时间内，尽可能快速而准确的计算人体动作的方向。

本发明针对人体脚步关键性动作，如前、后、左、右四方向的移动和跳跃等，给出详细的识别方法。步骤如下：

大量数据测试表明，人体运动的方向性跟所在运动方向的加速度的变化剧烈程度绝对相关，因此通过X_bY_bZ_b三轴向加速度的变化剧烈程度即可判断人体的运动方向。如图7所示，图中所示为实际测量的人在运动过程中的脚部传感器所测量的三轴向加速度的变化情况。从图上可以明显看出，加速度变化最剧烈的轴向(图中红色曲线)，即为人体实际运动的轴向。

步骤1、识别动开始时刻：

当时刻T＝k+1时(k＝0、1、2、3……，代表着时钟周期，可以是5ms，10ms等，根据不同的应用可以选择不同的时钟和周期)，通过三轴加速度传感器，获得鞋子本体的三个坐标轴方向上的加速度，分别记作a_x(k)，a_y(k)，a_z(k)经过步骤1数字滤波后的加速度为a_xf(k)，a_yf(k)，a_zt(k)。当用户脚部发生了移动时，记录下运动起始时刻Tstart＝k，即完成了人体运动初始时刻检测。具体方式如下：

检测T＝k+1时刻脚部是否有移动，则将计算本时刻的(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²，将该值与阈值Threshold进行对比(阈值是一个整实数，根据实际需求可自由选择，典型值如10)，如果发现T＝k+1时刻该值大于阈值即认为用户可能存在脚部移动，进一步考察接下来的m个周期，如本发明中取m＝3，即连续4个周期(m＝0也算一个周期)加速度值都大于阈值，且当前状态为静止状态，即认为用户的脚部出现了移动。

步骤2、识别运动方向：

当检测到人体发生的运动后，在此后的n个周期内，本实施例中，采样频率为100HZ，即时钟周期为10ms，即0.01秒，取n＝10，定义函数：

$f_x(k+n)=\underset{i=k}{\overset{k+n}{\mathrm{\Σ}}}(a_{\mathrm{xf}}\left(i\right)-a_{\mathrm{xf}0})$

$f_y(k+n)=\underset{i=k}{\overset{k+n}{\mathrm{\Σ}}}(a_{\mathrm{yf}}\left(i\right)-a_{\mathrm{yf}0})$

$f_z(k+n)=\underset{i=k}{\overset{k+n}{\mathrm{\Σ}}}(a_{\mathrm{zf}}\left(i\right)-a_{\mathrm{zf}0})$

其中其中a_x0f，a_y0f，a_z0f是静止时刻三轴向的加速度基准值，该值是随着时间变化而漂移的，具体抑制漂移的实时校准方式见上文“运动距离计算”中的具体表述，此处不再累叙。

即根据fx，fy，fz的值，即可得到相对于鞋子本体局部坐标系下的一个三维矢量(f_x，f_y，f_z)，该矢量即可大致表示用户脚步动作的一个空间方位角θ。

步骤3、判定动作模式：

按照预先设定好的动作模式，即5个基本动作，前、后、左、右移动和跳跃。

根据一定的规则将θ与5个基本动作建立映射。为了便于表述映射规则，首先将θ角在空间内的投影角度表示为θ_xoy，θ_z，含义：θ_xoy在XOY面上的投影的角度，以右手系XOY的X轴正向为基准，角度值满足右手法则，取值范围【0，360】单位度；θ_z以Z轴正向为基准，表示跟Z轴正向的夹角，取值范围【0，180】，具体如图5所示。规则映射表如表1所示：

表1规则映射表

θ₁，θ₂，θ₃，θ₄，θ₅即一个角度的阈值，用以将角度划分为几个区间，具体含义图6所示。对于步骤2中所计算得到的动作方向的空间方位角度θ，对于θ₁，θ₂，θ₃，θ₄，θ₅而言，其取值的典型值为：

θ₁＝45度，θ₂＝135度，θ₃＝225度，θ₄＝315度，θ₅＝45度

但是由于实际应用中，用户的运动习惯不同(例如有人走路内八字、有人走路外八字)，不能简单的按照平均划分的原则。

θ₁，θ₂，θ₃，θ₄，θ₅缺省值的确定原理是通过不同用户的实际测试，基于统计模型得到一种模式划分。本实施例中通过采集不同性别、不同身高的用户的运动数据，通过统计规律，得到的一种缺省划分。具体方法如下：

采集不同的用户的运动数据，让用户按照前后左右和跳跃5个动作，大量的重复动作。并记录每一次用户的运动数据，按照5个动作分别计算出θ₁，θ₂，θ₃，θ₄，θ₅的一个范围。

如对于向左移动而言，角度θ_xoy基本是在90度附近的一个区间内变化，通过大量的统计数据，将θ_xoy的值按照概率分布，描述出一个曲线，如图8所示，图8的显示的是用户向左运动时角度θ_xoy的统计分布。然后基于统计学原理，给出一定的置信区间，例如按照95％左右给出置信区间的下限和上限，如图8中的两条虚线所给出的范围。含义是用户的向前的动作转换后的θ_xoy，最后又95％的可能性会落在该区间内。

通过对不同的动作分别进行统计分布规律的分析，可以得到一个缺省的θ₁，θ₂，θ₃，θ₄，θ₅的值，如本实施例中，对于向左动作的角度区间，取【40°，155°】。通过该方法计算得到的θ₁，θ₂，θ₃，θ₄，θ₅值具有一定的普遍适应性。

但是要更加准确判断用户的动作，需要在实际应用时针对不同用户的习惯，动态的设定映射规则中的θ₁，θ₂，θ₃，θ₄，θ₅，以适应诸如八字步人群的动作。即针对不同的用户，在线的学习用户的脚部的运动规律，让每一个使用者，针对自己的动作习惯，进行一个“校准”或者“训练”的过程，用以微调或者修正缺省值。用户的“训练”越多，系统对用户的动作识别越准确。此过程中，需要考虑到用户故意不按照系统的指令进行训练的可能性，如系统提示用户向前走，但是用户却向后移动，这种明显超过预期的输入，将被系统视为噪声过滤掉。

得到用户的动作信息后，除了可以直接用以与上层的应用软件交互，如可以利用不同的用户动作，来实现游戏软件里虚拟角色的移动控制，如跑酷类游戏，人物的左右移动和跳跃控制；还可以用以执行某几个特殊的指令，如音乐舞蹈节奏类游戏的节奏控制；还可以将人体的运动信息，用以控制某一类运动类游戏的动作，如虚拟踢足球游戏，或者跟脚部有关的运动，如跑步、跨栏等；或者将人体的动作信息和消耗的能量以数字或者图表的手段，显示在上位机客户端，用以监测人体的运动信息。

五、针对Windows平台，利用WindowsAPI将人体不同的动作映射为键盘和鼠标的不同输入

其实现方法是利用模拟键盘和鼠标的输入。

对于不同的应用需求，如对游戏的控制，例如跳舞机一类的游戏，一般而言只有四个键(或者五个键位)，以游戏《跳舞机》为例，其是通过“上下左右”四个键控制游戏。而不同的游戏有不同的键位控制，如CS游戏是用“WSAD”四个方向控制人物的前后左右移动。对于这种不同的游戏控制需求，需要建立一种动作和外设输入的动态映射机制。出于用户方便使用的角度，我们针对不同的控制需求预先编辑好一套映射规则，在PC机上保存成文件，该文件可以根据用户需求更改。

现针对键盘和鼠标两种模拟映射方式，给出具体的方法。

1)人体动作到键盘输入的模拟

1.1)建立动作到PC指令序列的映射

表2动作信息与键盘指令映射表

具体映射规则请参见表2，其中Key1到Key5代表的键盘的某一个按键，具体的代表哪一个按键，需要根据预存在PC机上的一个文件的预设定义，解析出键位的映射信息。

MotionTime指的是用户进行这个一个动作，所持续的时间，向前跨一步所用的时间。

Distance指的是，用户该动作执行过程中，所经历距离，对于弹跳是高度。

1.2)根据配置文件解析键盘扫描码

本实施例中采用XML文件的方式，来存储和解析键位的配置信息。

XML文件定义格式中关于动作和键盘映射部分大致如下：

＜Key1KeyName＝″Up″＞1＜/Key1＞

＜Key2KeyName＝″DOWN″＞2＜/Key2＞

＜Key3KeyName＝″LEFT″＞3＜/Key3＞

＜Key4KeyName＝″RIGHT″＞4＜/Key4＞

＜Key5KeyName＝″SPACE″＞5＜/Key5＞

分别对Key1到Key5进行文字上的键位定义，如Key1定义为“UP”。而解析程序自动的识别不同的文字含义，如当程序解析得到Key1的定义为“UP”，则通过程序预设的文字解析规则，将“UP”映射为十六位键盘扫描码0x48。

这里给出实施例中常用的几组键盘键位的文字解析和映射规则如表3所示：

表3文字定义与按键映射表

1.3)调用系统API实现键盘模拟

将解析出的按键信息，通过系统的API，将按键的十六位扫描码作为主要参数，在动作刚刚被识别出的时候，模拟按键的按下的输入，而当用户动作执行完毕，模拟该按键被释放的输入。附加信息作为人机交互的其他需求用，如遇到需要获取用户动作的幅度，则该附加信息可以作为额外的输入。

2)人体动作到鼠标输入的模拟

人体动作到鼠标的输入模拟相对键盘模拟要更为直观和简单，以人体所面对的方向为基准，人的“前后左右”移动直接对应着鼠标的“上下左右”移动，这种映射是最为符合人的直观感受的，因此直接将映射关系固定即可。具体的模拟方式如表4所示：

表4人体动作到鼠标输入的映射关系表

其中MotionTime是动作执行的时间，Distance是移动的距离。

定义鼠标的灵敏度和附加输入，鼠标的输入模拟，需要基于屏幕坐标系平面内，改变鼠标的坐标来实现的，以屏幕坐标系为例，以左上角为原点，右方向为Xs轴正向，建立左手系坐标系XsOYs。而人体实际移动的距离，要从真实的空间的坐标系转换到屏幕坐标系，最重要的除了表3中定义的坐标映射的方向外，还有就是尺度因子MouseScale，即人体移动距离到屏幕坐标系下距离之间的换算关系。

本实施例中，人体动作以米为单位，屏幕坐标系以像素为单位，在XML文件中，定义标签：

＜MouseScale＞500＜MouseScale＞

含义为1米的移动距离＝500像素。尺度因子MouseScale可以简单的理解是用人体移动代替鼠标输入时的灵敏度。用户可以直接更改以上数据来调节灵敏，以适应不同灵敏度控制的需求。

此外，针对一些需要用鼠标左键或者右键按键的控制需求。可以利用以下标签进行定义：

＜MouseKeyAct1＞1＜/MouseKeyAct1＞

＜MouseKeyAct2＞1＜/MouseKeyAct2＞

＜MouseKeyAct3＞1＜/MouseKeyAct3＞

＜MouseKeyAct4＞1＜/MouseKeyAct4＞

其中MouseKeyAct1到MouseKeyAct4代表着四个方向的移动；其值为1代表着左键按下，2代表右键按下，3表示鼠标中键按下，而0表示没有按键按下，意味着该动作不需要附加鼠标按键消息(其他的定义均视为与0相同，表示不附加鼠标按键消息)。

而对于鼠标左键和右键的按下的方式定义：

＜MouseKeyMode＞1＜/MouseKeyMode＞

MouseKeyMode表示按下的方式，指的是单、双击。MouseKeyMode＝1表示单击，MouseKeyMode＝2表示双击(其他定义均视为单击)。

调用系统API实现鼠标模拟

首先调用API获取鼠标当前坐标，设为(mouseX，mouseY)；

然后根据人体移动的方向和距离，动态更新鼠标坐标，针对不同的移动的方向具体方式为：

人向前移动距离Distance(单位：米)，则坐标(单位：像素)更新为

(mouseX，mouseY-Disntance×MouseScale)；

人向后移动距离Distance，则坐标更新为

(mouscX，mouseY+Disntance×MouseScale)；

人向左移动距离Distance，则坐标更新为

(mouseX-Disntance×MouseScale，mouseY)；

人向右移动距离Distance，则坐标更新为

(mouseX+Disntance×MouseScale，mouseY)；

当移动后的坐标范围超过屏幕坐标边界时，则坐标设为屏幕边界值不再移动。

同时，根据XML文件中定义的鼠标按键的模拟信息，在用户有脚部移动时，模拟相应的鼠标按键的输入。

以上仅为本发明的一个实施例，具体地人机交互过程中，各具体参数可以根据情况做不同选择，如各参数的取值范围可以是Tsleep为0-4s，T为1-20ms，m为1-10，p为1-20，Threshold为1-100，Trest为1800s-5400s，而又以本实施例中的具体取值Tsleep为2s，T为10ms，m为4，p为8，Threshold为10，Trest为3600s为最优取值。

为了更加具象地说明本发明，实施例中以鞋子作为运动信息采集系统的载体进行了说明，然而本领域技术人员可以理解，对于由运动信息采集系统和无线接收模块组成的人机互动系统，并非只能用于鞋子中，本发明提供的包括运动处理模块和无线接收模块的人机交互系统可以在更广阔的领域得到应用。

另外，本发明提出的人机交互方法具有普适性，其实现了人体运动模式的识别功能并能够达到人机互动的目的。

上述实施例仅用于说明本发明，其中各部件的结构、连接方式等都是可以变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (9)

1.一种获得运动信息的方法，其特征在于，包括：

1)电源开启，运动信息采集系统以缺省状态初始化，进入低功耗休眠状态，人机交互模块开启无线搜索功能；

2)运动信息采集系统在休眠状态以Tsleep为周期发送启动请求信号；

3)若启动请求信号没有得到回应，继续执行流程2)；否则，所述运动信息采集系统由休眠状态转入唤醒状态；

4)在所述唤醒状态，所述运动信息采集系统以时间T为时钟周期，每周期采集基于三轴加速度传感器的数值，并按照标定后的参数，计算得到三个轴向的加速度a_x，a_y，a_z，

5)对所述加速度a_x，a_y，a_z分别进行滤波处理，得到a_xf，a_yf，a_zf；

6)计算(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²，其中a_xf(k)，a_yf(k)，a_zf(k)分别表示第k+1次采集得到x轴、y轴和z轴三个轴的加速度；若(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²＞Threshold，则转入流程7)，否则继续执行步骤6)；

7)计算自第k+1个周期开始n个周期，加速度的变化量的累计值建立局部坐标系X_bY_bZ_b得到f_x(k+n)，f_y(k+n)，f_z(k+n)，然后根据f_x(k+n)，f_y(k+n)，f_z(k+n)判断得到用户运动相对于局部坐标系的方向，并通过无线传输发送给人机交互模块；

8)计算(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zf(k)-a_zf(k-1))²，并与预设的阈值Threshold比较，且连续p个周期内，都有若满足以下条件：

(a_xf(k)-a_xf(k-1))²+(a_yf(k)-a_yf(k-1))²+(a_zy(k)-a_zf(k-1))²＜Threshold，则转入步骤3)。

2.根据权利要求1所述的方法，其特征在于，所述用户运动相对于局部坐标系的方向是通过用户运动相对于局部坐标系的方向角θ来表示的，其中，θ是矢量(f_x，f_y，f_z)的方向角，

(1)将θ在XYZ坐标系中映射为θ_xoy，θ_z，其中θ_xoy为在XOY面上投影的角度，取值范围为【0，360】单位度；θ_z表示与Z轴正向的夹角，以Z轴正向为基准，取值范围为【0，180】；

(2)将XYZ坐标系划分为5个区间θ₁，θ₂，θ₃，θ₄，θ₅；

(3)如果|θ_z|＞θ₅且θ_xoy∈(0，θ₁)，θ_xoy∈(θ₄，360)，则运动方向为向前；如果|θ_z|＞θ₅且θ_xoy∈(θ₁，θ₂)，则运动方向为向左；如果|θ_z|＞θ₅且θ_xoy∈(θ₂，θ₃)，则运动方向为向后；如果|θ_z|＞θ₅且θ_xoy∈(θ₃，θ₄)，则运动方向为向右；如果|θ_z|＜θ₅且θ_xoy∈(0，360)，则运动方向为向上。

3.根据权利要求2所述的方法，其特征在于，其中θ₁，θ₂，θ₃，θ₄，θ₅是通过采集不同性别、不同身高的用户的运动数据，利用统计规律修正得到的。

4.根据权利要求1所述的方法，其特征在于，还包括计算距离值Distance，所述距离值Distance是通过下述公式计算得到的：

$\mathrm{Dis}\tan \mathrm{ce}=K{(A_{\mathrm{Max}}-C)}^{\frac{1}{2}},$

其中，K为常数，A_Max为一个运动过程中三个轴向合成加速度的最大值其中gra(t)是当前时间下加速度传感器单元所测量得到的重力加速度，b是常数。

5.根据权利要求1所述的方法，其特征在于，还包括计算高度值Height，所述高度值Height是通过下述公式计算得到的：

$\mathrm{Height}=\frac{1}{2}g{\left(\frac{\mathrm{Te}-\mathrm{Ts}}{2}\right)}^2$

其中，g是重力加速度值，Te是所述中央处理单元采集的第一时间，Ts是所述中央处理单元采集的第二时间，Te-Ts是用户的滞空时间。

6.根据权利要求1所述的方法，其特征在于，还包括计算采样周期T的瞬时速度值V(t)，所述瞬时速度值V(t)是通过下述公式计算得到的：

$V\left(t\right)=\frac{d(t+T_{\mathrm{interval}})-d\left(t\right)}{T_{\mathrm{interval}}}$

其中，T_interval为自采样周期起持续运动的时间，d(t)是在采样时间t时刻已经经过的距离，d(t+T_interval)通过下述公式计算得到：

其中，K、b为常数，A_Max为一个运动过程中三个轴向合成加速度的最大值：gra(t)为采样时刻t下加速度传感器单元所测量得到的重力加速度。

7.根据权利要求1所述的方法，其特征在于，还包括计算平均速度值V_avg(t)，所述平均速度值V_avg(t)是通过下述公式计算得到的：

$V_{\mathrm{avg}}\left(t\right)=\frac{d\left(t\right)}{t}$

其中，d(t)是在计算采样时刻t已经经过的距离，

其中，K、b为常数，A_Max为一个运动过程中三个轴向合成加速度的最大值：gra(t)为采样时刻t下加速度传感器单元所测量得到的重力加速度。

8.根据权利要求1所述的方法，其特征在于，Tsleep的取值为1-4s，T的取值为5-20ms，m取值为3-5，p取值为5-10，Threshold取值为5-20，Ttest取值为1800s-5400s。

9.根据权利要求6所述的方法，其特征在于，Tsleep的取值为2s，T的取值为10ms，m取值为4，p取值为8，Threshold取值为10，Ttest取值为3600s。