CN105997094B - 一种姿态识别装置及方法 - Google Patents
一种姿态识别装置及方法 Download PDFInfo
- Publication number
- CN105997094B CN105997094B CN201610300730.2A CN201610300730A CN105997094B CN 105997094 B CN105997094 B CN 105997094B CN 201610300730 A CN201610300730 A CN 201610300730A CN 105997094 B CN105997094 B CN 105997094B
- Authority
- CN
- China
- Prior art keywords
- state
- value
- node
- gesture recognition
- transition diagram
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012360 testing method Methods 0.000 claims abstract description 78
- 238000003066 decision tree Methods 0.000 claims abstract description 71
- 238000012546 transfer Methods 0.000 claims abstract description 63
- 238000010586 diagram Methods 0.000 claims abstract description 47
- 230000007704 transition Effects 0.000 claims abstract description 39
- 230000033001 locomotion Effects 0.000 claims abstract description 27
- 230000001133 acceleration Effects 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 16
- 210000003127 knee Anatomy 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 description 12
- 230000036544 posture Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000012802 recumbency Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000000392 somatic effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
Abstract
本发明提供一种姿态识别装置及方法,能够提高姿态识别精度。所述装置包括:多个测试节点和一个主控节点;其中,每个测试节点,用于获取相应测量部位的状态信息,并将所述状态信息发送至所述主控节点;所述主控节点,用于根据接收的所述每个测试节点发送的所述状态信息提取状态特征值,还用于建立状态转移图与状态分类决策树,并根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,且通过提取的所述状态特征值对所述状态转移决策树模型进行训练;其中,所述状态转移图表示人体在运动过程中,当前状态与前后状态之间的转移关系。本发明适用于姿态识别技术领域。
Description
技术领域
本发明涉及姿态识别技术领域,特别是指一种姿态识别装置及方法。
背景技术
姿态识别是目前最具潜力的研究领域之一,并且已经广泛应用到人们生活的多个方面,例如,体感游戏,应急救援,老人摔倒检测及智能家具检测等。
现有技术中,主流的姿态识别方法包括:计算机视觉、无线射频相机等。其中,基于计算机视觉的姿态识别方法需要提前部署相机,不能满足紧急救援等场景;此外,相机捕捉的大规模的图像信息和复杂算法在实际应用中很难满足实时性的要求。基于无线射频的姿态识别是通过接收信号的强度计算距离,但是容易受多径效应和其他信号的影响,识别精度有限。且基于计算机视觉的姿态识别方法或基于无线射频的姿态识别方法都将每个状态看成是独立的,不考虑前后状态之间的联系,因此识别出的状态可能存在一些不合理情况,例如,人在上一个状态是躺着的时候当前状态是直接变为跑步、上下楼或者乘坐电梯的状态是不合理的。
发明内容
本发明要解决的技术问题是提供一种姿态识别装置及方法,以解决现有技术所存在的姿态识别方法考虑前后状态之间的联系,导致识别结果可信度低的问题。
为解决上述技术问题,本发明实施例提供一种姿态识别装置,包括:多个测试节点和一个主控节点;
其中,每个测试节点,用于获取相应测量部位的状态信息,并将所述状态信息发送至所述主控节点;
所述主控节点,用于根据接收的所述每个测试节点发送的所述状态信息提取状态特征值,还用于建立状态转移图与状态分类决策树,并根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,且通过提取的所述状态特征值对所述状态转移决策树模型进行训练;
其中,所述状态转移图表示人体在运动过程中,当前状态与前后状态之间的转移关系。
进一步地,所述测试节点的数量为5个,分别固定在人体的肩部、腰部、膝部、脚部及手部;
每个测试节点包括:惯性传感器、磁力传感器、气压传感器、存储模块、第一主控模块、第一无线通讯模块及第一复位按键;
所述惯性传感器,用于获取相应测量部位的三轴加速度值、三轴陀螺仪值;
所述磁力传感器,用于获取相应测量部位的三轴磁力计值;
所述气压传感器,用于获取相应测量部位的气压值;当以脚部测试节点为基准时,还用于获取肩部、腰部、膝部及手部与脚部的相对气压差;
所述存储模块,用于存储获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差;
所述第一主控模块,用于对获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差进行预处理,并将预处理后的数据通过所述第一无线通讯模块同步发送至所述主控节点;
所述第一复位按键,用于重置所述第一复位按键对应的测试节点。
进一步地,所述第一主控模块,具体用于对获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差进行平滑处理,并根据平滑处理后的三轴加速度值、三轴陀螺仪值及三轴磁力计值得到所述三轴加速度值、三轴陀螺仪值、三轴磁力值的矢量和,同时对平滑处理后的气压值进行校正。
进一步地,所述主控节点包括:第二无线通讯模块、第二主控模块及第二复位按键;
所述第二复位按键,用于将与所述主控节点进行通信连接的所有测试节点进行复位;
所述第二主控模块,用于通过所述第二无线通讯模块同步接收所述每个测试节点发来的预处理后的状态信息,并根据所述状态信息提取状态特征值;还用于建立状态转移图与状态分类决策树,并根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,且通过提取的所述状态特征值对所述状态转移决策树模型进行训练;还用于发送开始同步指令同时启动所述主控节点及与所述主控节点进行通信连接的每个测试节点。
进一步地,所述第二主控模块,具体用于根据接收的所述每个测试节点发来的预处理后的状态信息提取状态特征值;其中,所述状态特征值包括:均值、方差、过均值率、四分位差、峰峰值、中位数、拟合直线斜率、均方根、同一气压传感器不同时间的气压差及不同气压传感器之间的气压差;
所述同一气压传感器不同时间的气压差表示人体同一部位在预设时间段内的垂直高度变化量;所述不同气压传感器之间的气压差表示人体不同部位在同一时刻的垂直高度变化量。
进一步地,所述第二主控模块,具体用于根据人体在运动过程中,不同状态之间的转移关系建立一阶状态转移图,依据建立的一阶状态转移图,结合当前状态与前一状态及下一个状态之间的转移关系建立二阶状态转移图。
进一步地,所述第二主控模块,具体用于根据不同状态的运动属性建立状态分类决策树;其中,所述运动属性包括:运动强度、运动方向、运动速度中的一种或多种。
进一步地,所述姿态识别包含:识别人体趟、站、走、跑、走楼梯上楼和下楼、乘坐电梯上楼和下楼以及不同姿态间转换的中间过程。
本发明实施例还提供一种姿态识别方法,包括:
通过多个测试节点获取每个测试节点相应测量部位的状态信息;
通过主控节点根据获取的所述状态信息提取状态特征值;
建立状态转移图与状态分类决策树,并根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,其中,所述状态转移图表示人体在运动过程中,当前状态与前后状态之间的转移关系;
通过提取的所述状态特征值对所述状态转移决策树模型进行训练。
进一步地,所述测试节点的数量为5个;
所述通过提取的所述状态特征值对所述状态转移决策树模型进行训练之后,还包括:
当有新待测者进行姿态识别时,将5个测试节点分别固定在新待测者的肩部、腰部、膝部、脚部及手部;
通过所述5个测试节点获取每个测试节点相应测量部位的状态信息;
将获取到的所述状态信息输入到训练后的所述状态转移决策树模型,由所述状态转移决策树模型识别新待测者的姿态。
本发明的上述技术方案的有益效果如下:
上述方案中,通过每个测试节点获取人体相应测量部位的状态信息,并由所述主控节点建立状态分类决策树及表示当前状态与前后状态之间的转移关系的所述状态转移图,再根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,最后,通过提取的所述状态特征值对所述状态转移决策树模型进行训练。这样,当有新待测者进行姿态识别时,可以通过训练后的构建状态转移决策树模型对新待测者进行姿态识别,训练后的构建状态转移决策树模型考虑了人体在运动过程中,当前状态与前后状态之间的转移关系,排除了不合理的状态转移关系,从而能够提高姿态识别精度。
附图说明
图1为本发明实施例提供的姿态识别装置的结构示意图;
图2为本发明实施例提供的姿态识别装置的固定位置示意图;
图3为图1中测试节点11的详细结构示意图;
图4为图1中主控节点12的详细结构示意图;
图5为本发明实施例提供的姿态识别装置的工作流程示意图;
图6为本发明实施例提供的一阶状态转移图;
图7为本发明实施例提供的一阶状态转移为二阶状态的转移过程示意图;
图8为本发明实施例提供的状态分类决策树示意图;
图9为本发明实施例提供的姿态示意图;
图10为本发明实施例提供的姿态识别方法的流程示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的姿态识别方法没有考虑前后状态之间的联系,导致识别结果可信度低的问题,提供一种姿态识别装置及方法。
实施例一
参看图1所示,本发明实施例提供的一种姿态识别装置,包括:多个测试节点11和一个主控节点12;
其中,每个测试节点11,用于获取相应测量部位的状态信息,并将所述状态信息发送至所述主控节点;
所述主控节点12,用于根据接收的所述每个测试节点11发送的所述状态信息提取状态特征值,还用于建立状态转移图与状态分类决策树,并根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,且通过提取的所述状态特征值对所述状态转移决策树模型进行训练;
其中,所述状态转移图表示人体在运动过程中,当前状态与前后状态之间的转移关系。
本发明实施例所述的姿态识别装置,通过每个测试节点获取人体相应测量部位的状态信息,并由所述主控节点建立状态分类决策树及表示当前状态与前后状态之间的转移关系的所述状态转移图,再根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,最后,通过提取的所述状态特征值对所述状态转移决策树模型进行训练。这样,当有新待测者进行姿态识别时,可以通过训练后的构建状态转移决策树模型对新待测者进行姿态识别,训练后的构建状态转移决策树模型考虑了人体在运动过程中,当前状态与前后状态之间的转移关系,排除了不合理的状态转移关系,从而能够提高姿态识别精度。
本发明实施例中,优选地,所述姿态识别装置为可佩戴装置,不需要提前部署,成本和能耗低。为了训练所述状态转移决策树模型,可以将所述姿态识别装置包含的多个测试节点和一个主控节点预先固定在测试者的预定部位,并通过固定在测试者预定部位处的测试节点获取相应测量部位的状态信息作为训练样本,用于训练状态转移决策树模型。
在前述姿态识别装置的具体实施方式中,进一步地,所述测试节点的数量为5个,分别固定在人体的肩部、腰部、膝部、脚部及手部;
每个测试节点包括:惯性传感器、磁力传感器、气压传感器、存储模块、第一主控模块、第一无线通讯模块及第一复位按键;
所述惯性传感器,用于获取相应测量部位的三轴加速度值、三轴陀螺仪值;
所述磁力传感器,用于获取相应测量部位的三轴磁力计值;
所述气压传感器,用于获取相应测量部位的气压值;当以脚部测试节点为基准时,还用于获取肩部、腰部、膝部及手部与脚部的相对气压差;
所述存储模块,用于存储获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差;
所述第一主控模块,用于对获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差进行预处理,并将预处理后的数据通过所述第一无线通讯模块同步发送至所述主控节点;
所述第一复位按键,用于重置所述第一复位按键对应的测试节点。
本发明实施例中,所述姿态识别装置包括多个相同的测试节点和一个主控节点,其中,所述测试节点的数量为5个,用于获取人体相应测量部位的状态信息,并将获取的所述状态信息发送至所述主控节点。其中,所述5个测试节点可以分别固定在测试者的肩部、腰部、膝部、脚部及手部;每个测试节点可以通过定时器每隔预定时间测量一组状态信息,其中,每组状态信息包括:各测量部位(例如,肩部、腰部、膝部、脚部及手部)的三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差;所述主控节点可以固定在测试者的预定部位,例如,肩部、腰部、膝部、脚部或手部等部位,如图2所示。
本发明实施例中,每个测试节点的硬件结构相同。如图3所示,每个测试节点可以包括:MPU6050惯性传感器、HM5883磁力传感器、MS5611气压传感器、微控制单元(Microcontroller Unit,MCU)主控模块、数据存储模块、复位按键、发光二极管(LightEmitting Diode,LED)指示灯、电源管理模块、超宽带(Ultra Wideband,UWB)射频通讯模块和天线;其中,所述MPU6050惯性传感器,用于获取相应测量部位的三轴加速度值、三轴陀螺仪值;所述HM5883磁力传感器,用于获取相应测量部位的三轴磁力计值;所述MS5611气压传感器,用于获取相应测量部位的气压值;当以脚部测试节点为基准时,所述MS5611气压传感器,还用于获取肩部、腰部、膝部及手部与脚部的相对气压差;所述数据存储模块,用于存储获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差;所述MCU主控模块,用于对获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差进行预处理,并将预处理后的数据通过所述UWB射频通讯模块和天线同步发送至主控节点;所述MCU主控模块,还用于与其他模块进行通信;所述复位按键,用于重置所述复位按键对应的测试节点;所述电源管理模块,用于为其他模块提供稳定电压;所述LED指示灯,用于信号指示,例如,指示所述测试节点的当前状态是否为工作状态。
本发明实施例中,MPU6050、HM5883及MS5611为传感器的型号。
本发明实施例中,由所述MCU主控模块对获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差进行预处理具体包括:
对获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差进行平滑处理,并根据平滑处理后的三轴加速度值、三轴陀螺仪值及三轴磁力计值得到所述三轴加速度值、三轴陀螺仪值、三轴磁力值的矢量和,同时对平滑处理后的气压值进行校正。
在前述姿态识别装置的具体实施方式中,进一步地,所述主控节点包括:第二无线通讯模块、第二主控模块及第二复位按键;
所述第二复位按键,用于将与所述主控节点进行通信连接的所有测试节点进行复位;
所述第二主控模块,用于通过所述第二无线通讯模块同步接收所述每个测试节点发来的预处理后的状态信息,并根据所述状态信息提取状态特征值;还用于建立状态转移图与状态分类决策树,并根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,且通过提取的所述状态特征值对所述状态转移决策树模型进行训练;还用于发送开始同步指令同时启动所述主控节点及与所述主控节点进行通信连接的每个测试节点。
本发明实施例中,如图4所示,所述主控节点包括:MCU主控模块、复位按键、数据存储模块、LED指示灯、电源管理模块、UWB射频通讯模块和天线;其中,所述MCU主控模块,用于通过所述UWB射频通讯模块和天线同步接收所述每个测试节点发来的预处理后的状态信息,并根据所述状态信息提取状态特征值,其中,所述状态特征值用于训练所述状态转移决策树模型;所述MCU主控模块,还用于建立状态转移图与状态分类决策树,并根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,且通过提取的所述状态特征值对所述状态转移决策树模型进行训练,如图5所示。
本发明实施例中,所述主控节点的所述MCU主控模块,还用于发送开始同步指令同时启动所述主控节点及与所述主控节点进行通信连接的每个测试节点;所述主控节点的所述复位按键,用于当用户按下所述复位按键时,与所述主控节点进行通信连接的5个测试节点被同时复位,也就是说,5个测试节点中存储的状态信息会被同时清除。
在前述姿态识别装置的具体实施方式中,进一步地,所述第二主控模块,具体用于根据接收的所述每个测试节点发来的预处理后的状态信息提取状态特征值;其中,所述状态特征值包括:均值、方差、过均值率、四分位差、峰峰值、中位数、拟合直线斜率、均方根、同一气压传感器不同时间的气压差及不同气压传感器之间的气压差;
所述同一气压传感器不同时间的气压差表示人体同一部位在预设时间段内的垂直高度变化量;所述不同气压传感器之间的气压差表示人体不同部位在同一时刻的垂直高度变化量。
在前述姿态识别装置的具体实施方式中,进一步地,所述第二主控模块,具体用于根据人体在运动过程中,不同状态之间的转移关系建立一阶状态转移图,依据建立的一阶状态转移图,结合当前状态与前一状态及下一个状态之间的转移关系建立二阶状态转移图。
本发明实施例中,通过日常行为的分析可以知道并不是所有的状态都可以直接相互转换的,例如,图6中所示乘坐电梯上下楼就无法直接转化为楼梯上下楼。
本发明实施例中,根据人体在运动过程中,不同状态之间的转移关系建立一阶状态转移图,如图6所示,所述一阶状态转移图可以判断不同状态之间能否进行转移,因此,也可以用状态转移矩阵表示不同状态之间能否进行转移,例如,能转移的状态对应位赋值为1,不能转移的状态对应位赋值为0,从而排除不合理的状态转移关系。
本发明实施例中,考虑到人体运动过程中,每个姿态都会持续一定的时间因此当前状态会受前一状态的影响的同时还会影响下一个状态,因此还需建立二阶状态转移图。具体的,依据建立的一阶状态转移图,结合当前状态与前一状态及下一个状态之间的转移关系建立二阶状态转移图。本发明实施例中,如图7所示只演示部分一阶状态转移为二阶状态的过程,图7中左侧为部分一阶状态转移包含有走和跑两个状态。右侧为二阶状态转移,圆圈代表连个相同状态间的转移,正方形代表两个不同状态间的转移,两个形状间箭头则是三个时刻的状态转移,两个形状间要能转移必须满足前一个形状的后一个状态要与后一个形状的前一状态相同,以此类推可以得出完整的二阶状态转移图。这样,所述二阶状态转移图包含了当前状态与前后状态之间的转移关系,排除了不合理的状态转移关系。
在前述姿态识别装置的具体实施方式中,进一步地,所述第二主控模块,具体用于根据不同状态的运动属性建立状态分类决策树,如图8所示;其中,所述运动属性包括:运动强度、运动方向、运动速度中的一种或多种。
本发明实施例中,由建立的所述状态分类决策树和包含了当前状态与前后状态之间的转移关系的所述二阶状态转移图形成所述状态转移决策树模型,并对所述状态转移决策树模型进行训练,并利用训练后的所述状态转移决策树模型进行姿态识别,能够提高姿态识别的精度。
在前述姿态识别装置的具体实施方式中,进一步地,所述姿态识别包含:识别人体趟、站、走、跑、走楼梯上楼和下楼、乘坐电梯上楼和下楼以及不同姿态间转换的中间过程,如图9所示。
实施例二
本发明还提供一种姿态识别方法的具体实施方式,由于本发明提供的姿态识别方法与前述姿态识别装置的具体实施方式相对应,该姿态识别方法可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的,因此上述姿态识别装置具体实施方式中的解释说明,也适用于本发明提供的姿态识别方法的具体实施方式,在本发明以下的具体实施方式中将不再赘述。
参看图10所示,本发明实施例还提供一种姿态识别方法,包括:
步骤101:通过多个测试节点获取每个测试节点相应测量部位的状态信息;
步骤102:通过主控节点根据获取的所述状态信息提取状态特征值;
步骤103:建立状态转移图与状态分类决策树,并根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,其中,所述状态转移图表示人体在运动过程中,当前状态与前后状态之间的转移关系;
步骤104:通过提取的所述状态特征值对所述状态转移决策树模型进行训练。
本发明实施例所述的姿态识别方法,通过多个测试节点获取每个测试节点相应测量部位的状态信息,并由所述主控节点建立状态分类决策树及表示当前状态与前后状态之间的转移关系的所述状态转移图,再根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,最后,通过提取的所述状态特征值对所述状态转移决策树模型进行训练。这样,当有新待测者进行姿态识别时,可以通过训练后的构建状态转移决策树模型对新待测者进行姿态识别,训练后的构建状态转移决策树模型考虑了人体在运动过程中,当前状态与前后状态之间的转移关系,排除了不合理的状态转移关系,从而能够提高姿态识别精度。
在前述姿态识别方法的具体实施方式中,进一步地,所述测试节点的数量为5个;
所述通过提取的所述状态特征值对所述状态转移决策树模型进行训练之后,还包括:
当有新待测者进行姿态识别时,将5个测试节点分别固定在新待测者的肩部、腰部、膝部、脚部及手部;
通过所述5个测试节点获取每个测试节点相应测量部位的状态信息;
将获取到的所述状态信息输入到训练后的所述状态转移决策树模型,由所述状态转移决策树模型识别新待测者的姿态。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种姿态识别装置,其特征在于,包括:多个测试节点和一个主控节点;
其中,每个测试节点,用于获取相应测量部位的状态信息,并将所述状态信息发送至所述主控节点;
所述主控节点,用于根据接收的所述每个测试节点发送的所述状态信息提取状态特征值,还用于建立状态转移图与状态分类决策树,并根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,且通过提取的所述状态特征值对所述状态转移决策树模型进行训练;
其中,所述状态转移图表示人体在运动过程中,当前状态与前后状态之间的转移关系;
其中,所述测试节点的数量为5个,分别固定在人体的肩部、腰部、膝部、脚部及手部;
每个测试节点包括:惯性传感器、磁力传感器、气压传感器、存储模块、第一主控模块、第一无线通讯模块及第一复位按键;
所述惯性传感器,用于获取相应测量部位的三轴加速度值、三轴陀螺仪值;
所述磁力传感器,用于获取相应测量部位的三轴磁力计值;
所述气压传感器,用于获取相应测量部位的气压值;当以脚部测试节点为基准时,还用于获取肩部、腰部、膝部及手部与脚部的相对气压差;
所述存储模块,用于存储获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差;
所述第一主控模块,用于对获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差进行预处理,并将预处理后的数据通过所述第一无线通讯模块同步发送至所述主控节点;
所述第一复位按键,用于重置所述第一复位按键对应的测试节点;
其中,所述第一主控模块,具体用于对获取的所述三轴加速度值、三轴陀螺仪值、三轴磁力计值、气压值及相对气压差进行平滑处理,并根据平滑处理后的三轴加速度值、三轴陀螺仪值及三轴磁力计值得到所述三轴加速度值、三轴陀螺仪值、三轴磁力值的矢量和,同时对平滑处理后的气压值进行校正;
其中,所述主控节点包括:第二无线通讯模块、第二主控模块及第二复位按键;
所述第二复位按键,用于将与所述主控节点进行通信连接的所有测试节点进行复位;
所述第二主控模块,用于通过所述第二无线通讯模块同步接收所述每个测试节点发来的预处理后的状态信息,并根据所述状态信息提取状态特征值;还用于建立状态转移图与状态分类决策树,并根据建立的所述状态转移图与所述状态分类决策树构建状态转移决策树模型,且通过提取的所述状态特征值对所述状态转移决策树模型进行训练;还用于发送开始同步指令同时启动所述主控节点及与所述主控节点进行通信连接的每个测试节点;
其中,所述第二主控模块,具体用于根据接收的所述每个测试节点发来的预处理后的状态信息提取状态特征值;其中,所述状态特征值包括:均值、方差、过均值率、四分位差、峰峰值、中位数、拟合直线斜率、均方根、同一气压传感器不同时间的气压差及不同气压传感器之间的气压差;
所述同一气压传感器不同时间的气压差表示人体同一部位在预设时间段内的垂直高度变化量;所述不同气压传感器之间的气压差表示人体不同部位在同一时刻的垂直高度变化量;
其中,所述第二主控模块,具体用于根据人体在运动过程中,不同状态之间的转移关系建立一阶状态转移图,依据建立的一阶状态转移图,结合当前状态与前一状态及下一个状态之间的转移关系建立二阶状态转移图。
2.根据权利要求1所述的姿态识别装置,其特征在于,所述第二主控模块,具体用于根据不同状态的运动属性建立状态分类决策树;其中,所述运动属性包括:运动强度、运动方向、运动速度中的一种或多种。
3.根据权利要求1所述的姿态识别装置,其特征在于,所述姿态识别包含:识别人体躺、站、走、跑、走楼梯上楼和下楼、乘坐电梯上楼和下楼以及不同姿态间转换的中间过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610300730.2A CN105997094B (zh) | 2016-05-09 | 2016-05-09 | 一种姿态识别装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610300730.2A CN105997094B (zh) | 2016-05-09 | 2016-05-09 | 一种姿态识别装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105997094A CN105997094A (zh) | 2016-10-12 |
CN105997094B true CN105997094B (zh) | 2019-03-29 |
Family
ID=57098854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610300730.2A Active CN105997094B (zh) | 2016-05-09 | 2016-05-09 | 一种姿态识别装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105997094B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106419930A (zh) * | 2016-11-30 | 2017-02-22 | 深圳市酷浪云计算有限公司 | 运动健康管理平台及运动智能装备 |
JP6837882B2 (ja) * | 2017-03-15 | 2021-03-03 | オムロン株式会社 | 生体情報測定装置、方法及びプログラム |
GB2598689B (en) * | 2019-05-23 | 2023-07-12 | Smith & Nephew | Systems and methods for monitoring and treating diabetic foot ulcers |
CN110300230B (zh) * | 2019-07-01 | 2021-03-19 | 腾讯科技(深圳)有限公司 | 应用控制方法、装置、存储介质以及终端 |
CN112690758B (zh) * | 2020-12-21 | 2022-04-22 | 歌尔光学科技有限公司 | 数据的处理方法、装置、终端设备及计算机可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101583313A (zh) * | 2007-01-19 | 2009-11-18 | 旭化成株式会社 | 觉醒状态判断模型生成装置、觉醒状态判断装置以及警告装置 |
CN101989326A (zh) * | 2009-07-31 | 2011-03-23 | 三星电子株式会社 | 人体姿态识别方法和装置 |
CN102138789A (zh) * | 2011-01-24 | 2011-08-03 | 无锡微感科技有限公司 | 一种动态心电和运动记录与分析系统 |
CN102302370A (zh) * | 2011-06-30 | 2012-01-04 | 中国科学院计算技术研究所 | 一种跌倒检测方法和装置 |
CN104197987A (zh) * | 2014-09-01 | 2014-12-10 | 北京诺亦腾科技有限公司 | 一种组合式运动捕捉系统 |
WO2015027132A1 (en) * | 2013-08-23 | 2015-02-26 | Nike Innovate C.V. | Energy expenditure device |
CN104586398A (zh) * | 2013-10-30 | 2015-05-06 | 广州华久信息科技有限公司 | 一种基于多传感器融合的老人跌倒检测方法及系统 |
CN105877757A (zh) * | 2016-03-30 | 2016-08-24 | 哈尔滨理工大学 | 多传感器集成的人体运动姿态捕获与识别装置 |
-
2016
- 2016-05-09 CN CN201610300730.2A patent/CN105997094B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101583313A (zh) * | 2007-01-19 | 2009-11-18 | 旭化成株式会社 | 觉醒状态判断模型生成装置、觉醒状态判断装置以及警告装置 |
CN101989326A (zh) * | 2009-07-31 | 2011-03-23 | 三星电子株式会社 | 人体姿态识别方法和装置 |
CN102138789A (zh) * | 2011-01-24 | 2011-08-03 | 无锡微感科技有限公司 | 一种动态心电和运动记录与分析系统 |
CN102302370A (zh) * | 2011-06-30 | 2012-01-04 | 中国科学院计算技术研究所 | 一种跌倒检测方法和装置 |
WO2015027132A1 (en) * | 2013-08-23 | 2015-02-26 | Nike Innovate C.V. | Energy expenditure device |
CN104586398A (zh) * | 2013-10-30 | 2015-05-06 | 广州华久信息科技有限公司 | 一种基于多传感器融合的老人跌倒检测方法及系统 |
CN104197987A (zh) * | 2014-09-01 | 2014-12-10 | 北京诺亦腾科技有限公司 | 一种组合式运动捕捉系统 |
CN105877757A (zh) * | 2016-03-30 | 2016-08-24 | 哈尔滨理工大学 | 多传感器集成的人体运动姿态捕获与识别装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105997094A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105997094B (zh) | 一种姿态识别装置及方法 | |
CN110916679B (zh) | 一种人体下肢位姿步态检测装置及方法 | |
CN104434129B (zh) | 一种帕金森及相关锥体外系疾病运动障碍症状量化评测装置及方法 | |
CN110334573B (zh) | 一种基于密集连接卷积神经网络的人体运动状态判别方法 | |
CN105760861B (zh) | 一种基于深度数据的癫痫发作监控方法及系统 | |
CN106295675B (zh) | 一种高准确性的基于智能手机的行为识别方法 | |
CN104983489B (zh) | 下肢假肢行走时的路况识别方法 | |
JP6127873B2 (ja) | 歩行特徴の解析方法 | |
CN107281710A (zh) | 一种矫正动作误差的方法 | |
CN110490080A (zh) | 一种基于图像的人体跌倒判别方法 | |
CN110134245A (zh) | 一种基于eog和姿态传感器的眼控装置以及眼控方法 | |
CN108958482B (zh) | 一种基于卷积神经网络的相似性动作识别装置及方法 | |
US20200254299A1 (en) | System and non-intrusive method for exercise posture detection | |
CN104484574A (zh) | 一种基于四元数的实时人体姿态监督训练矫正系统 | |
CN110135242A (zh) | 基于低分辨率红外热成像深度感知的情绪识别装置及方法 | |
CN109976526A (zh) | 一种基于表面肌电传感器和九轴传感器的手语识别方法 | |
CN106073793B (zh) | 基于微惯性传感器的姿态跟踪与识别方法 | |
CN106108909A (zh) | 一种人体姿态检测穿戴设备、系统及控制方法 | |
CN103727954A (zh) | 一种计步器 | |
CN108042142A (zh) | 一种穿戴式的人体姿态检测及肢体肌力测量系统 | |
CN104586402A (zh) | 一种人体活动的特征提取方法 | |
Wang et al. | Recognition of the Gait Phase Based on New Deep Learning Algorithm Using Multisensor Information Fusion. | |
CN107440722A (zh) | 用于运动人体的步态识别的方法、装置及系统 | |
CN205850175U (zh) | 运动矫正仪 | |
CN111539364A (zh) | 基于特征融合和多分类器投票的多体感人体行为识别算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231204 Address after: 300392, 3rd Floor, No. 6 Haitai West Road, Huayuan Industrial Zone (Outer Ring), Binhai High tech Zone, Binhai New Area, Tianjin Patentee after: TIANJIN TIAN'AN BORUI TECHNOLOGY CO.,LTD. Address before: 100083 No. 30, Haidian District, Beijing, Xueyuan Road Patentee before: University OF SCIENCE AND TECHNOLOGY BEIJING |
|
TR01 | Transfer of patent right |