CN106599849A - 一种基于动作识别技术的人体步态分析系统 - Google Patents

一种基于动作识别技术的人体步态分析系统 Download PDF

Info

Publication number
CN106599849A
CN106599849A CN201611167200.1A CN201611167200A CN106599849A CN 106599849 A CN106599849 A CN 106599849A CN 201611167200 A CN201611167200 A CN 201611167200A CN 106599849 A CN106599849 A CN 106599849A
Authority
CN
China
Prior art keywords
axis
system based
action recognition
wireless module
human
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.)
Withdrawn
Application number
CN201611167200.1A
Other languages
English (en)
Inventor
陈拥权
陈学三
张丽丽
李建中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Huanjing Information Technology Co Ltd
Original Assignee
Hefei Huanjing Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Huanjing Information Technology Co Ltd filed Critical Hefei Huanjing Information Technology Co Ltd
Priority to CN201611167200.1A priority Critical patent/CN106599849A/zh
Publication of CN106599849A publication Critical patent/CN106599849A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition

Abstract

本发明公开了一种基于动作识别技术的人体步态分析系统，包括有主机、接入主机的显示器、检测套，检测套佩戴在人身上，显示器前方设置铺设有供人体行走的直线形走道，直线行走道内设置MCU，MCU通过连接的无线模块与主机通讯连接，显示器顶部设置有图像采集盒，检测套内置有中心处理单元，以及分别接入中心处理单元的惯性测量单元、无线模块，检测套内的中心处理单元通过连接的无线模块与主机通讯连接。惯性测量单元包括三维加速度传感器,三维分成X轴、Y轴、Z轴，三维加速度传感器为多个，使用多级阈值决策结构将不同类型的身体姿态进行区分从而实现步态分析。本发明具有较高的精度和真实度，能够快速分析出人体的步态情况。

Description

一种基于动作识别技术的人体步态分析系统
技术领域
本发明涉及基于视频的人机交互领域，具体为一种基于动作识别的人体步态分析系统。
背景技术
传统的基于鼠标和键盘的输入有时不能满足这类设备的使用需求。语音、手写和手势等非键盘输入方式己成为人机交互领域的研究热点。以人为中心的智能化HCI对人机接口技术提出了更高的要求，包括计算机感知人类更多的自然能力(行为、姿势、生理、语言、情感和触觉等。一方面智能化的人HCI通过计算机自动检测、分析和理解人体的各种姿势和行为方式，另一方面智能化的HCI要求其应用和服务具备感知周围情境信息的能力并且能够根据感知情境的变化提供相应的服务。人体动作识别技术是自然的人机交互方式之一，作为一种信号语言的输入方法，基于人体姿势或手势动作的非键盘输入具有重要的研究意义。因此急需一种基于动作识别的人体异常行为检测与预警系统。
发明内容
本发明的所要解决的技术问题在于怎么通过计算机自动检测、分析和理解人体的各种姿势和行为方式。本发明采用以下技术方案解决上述技术问题的：
一种基于动作识别技术的人体步态分析系统，包括有主机、接入主机的显示器，显示器前方设置铺设有供人体行走的直线形走道，直线行走道内设置MCU，所述MCU通过连接的无线模块与主机通讯连接，显示器顶部设置有图像采集盒，图像采集盒内置有彼此双向通讯连接的FPGA、DSP，图像采集盒侧壁上设置有一对分别对准走道上人体的摄像头，两摄像头分别通过信号线接入FPGA，DSP分别通过12C/SPI总线与两摄像头连接，DSP还通过USB总线与主机通讯连接，还包括佩戴检测套，检测套佩戴在人身上，检测套内置有中心处理单元，以及分别接入中心处理单元的惯性测量单元、无线模块，检测套内的中心处理单元通过连接的无线模块与主机通讯连接；
所述惯性测量单元包括三维加速度传感器,三维分成X轴、Y轴、Z轴，所述三维加速度传感器为多个，分别设置在胸口、大腿，使用多级阈值决策结构将不同类型的身体姿态进行区分，所述多级阈值决策结构为放置于胸口处的加速度传感器的Y轴的加速度信号，标记为Y1，表征人体上身保持与地面垂直姿态或水平姿态，大腿处的加速度传感器的Y轴加速度信号，标记为Y2，大腿处的X轴加速度信号，标记为X2，胸口前后方向的Z轴加速度信号表征仰躺或俯躺。
优化的，所述惯性测量单元还包括三轴陀螺仪、三轴磁传感器。
优化的，所述直线形走道包括有基台、铺设在基台上压力传感器，所述压力传感器的信号接入MCU的信号采集电路和无线模块。
优化的，所述压力传感器为阵列分布。
优化的，还包括柔性膜，所述柔性膜铺设在压力传感器上。
优化的，还包括报警系统，所述报警系统与主机连接。
本发明的优点在于：
(1)本发明人体在走道上行走，由摄像头采集人体运动图像，由检测套内惯性测量单元采集人体运动数据，走道可采集人体移动时的脚部压力信号，并分别传送至主机，通过主机内程序根据人体运动图像结合人体运动数据和脚部压力信号在显示器上模拟出相关动作画面。本发明具有较高的精度和真实度，能够快速分析出人体的步态情况。
(2)本发明使用多级阈值决策结构将不同类型的身体姿态进行区分,由于每个维度的加速度信号相对于重力加速度方向的夹角可以有效表征不同姿态信息。放置于胸口处的加速度传感器的Y轴加速度信号，标记为Y1，可以有效表征人体上身保持与地面垂直(站和坐)或水平姿态，故采用Yl夹角阈值判别。在决策结构的第二层包含两个子集，一是上身垂直姿态，由于大腿处的加速度传感器的Y轴加速度信号，标记为Y2，可以有效区分下肢的直立、垂直和倾斜模式，采用Y2夹角阈值用于站、坐和蹲这三类身体姿态的识别。另一个是上身水平姿态，主要包括四种躺的姿态，利用大腿处的X轴加速度信号，标记为X2可以有效表征身体的向左一中一右躺的姿势，采用X2双阂值判断向左躺、向右躺，以及俯仰躺。进一步地，利用胸口前后方向的Z轴加速度信号表征仰躺还是俯躺。至此，完成了多级阈值决策的身体姿态识别框架。动态转换动作的识别建立在静态身体姿态识别结果的基础上，当检测到动态活动段前后的身体姿态均为“站”时，该动态活动段表示为步态行为动作，否则就是动态转移动作。动态转移动作主要分为正常动态转移动作和异常的跌倒动作，由于主要研究步态行为过程中可能发生的跌倒，因此判断动态转换动作是否为跌倒主要考察某动态转移动作发生时，身体姿态是否经历由“站”到“躺”，同时是否伴随着较大的加速度信号幅值。这相比于传统的基于阈值的跌倒检测方法，可在一定程度上减少虚警率，譬如跳、快速坐下等与跌倒类似的动作不会误认为是跌倒。
附图说明
图1为本发明结构示意图。
图2为本发明图像采集盒原理框图。
图3为本发明检测套内部结构原理框图。
图4为本发明多级阈值决策结构的静态身体姿势识别图。
具体实施方式
如图1-4所示，一种基于动作识别技术的人体步态分析系统，包括有主机1、接入主机1的显示器2，显示器2前方设置铺设有供人体行走的直线形走道3，直线形走道3包括有基台3-1、铺设在基台3-1上的阵列分布的压力传感器3-2、铺设在压力传感器3-2阵列上的柔性膜3-3，基台3-1内置有MCU10、接入MCU10的信号采集电路11和无线模块12，所述压力传感器阵列3-2接入信号采集电路11，基台3-1内的MCU10通过连接的无线模块12与主机1通讯连接，显示器2顶部设置有图像采集盒4，图像采集盒4内置有彼此双向通讯连接的FPGA、DSP，图像采集盒侧壁上设置有一对分别对准走道上人体的摄像头5，两摄像头5分别通过信号线接入FPGA，DSP分别通过12C/SPI总线与两摄像头5连接，DSP还通过USB总线与主机1通讯连，还包括佩戴在人体四肢的检测套6，检测套6内置有中心处理单元7，以及分别接入中心处理单元7的惯性测量单元8、无线模块9，检测套6内的中心处理单元7通过连接的无线模块9与主机1通讯连接。惯性测量单元8包括三维加速度传感器、三轴陀螺仪、三轴磁传感器。
惯性测量单元使用三维加速度传感器，三维分成X轴、Y轴、Z轴，三维加速度传感器为多个，分别设置在胸口、大腿，使用多级阈值决策结构将不同类型的身体姿态进行区分,由于每个维度的加速度信号相对于重力加速度方向的夹角可以有效表征不同姿态信息。放置于胸口处的加速度传感器的Y轴加速度信号，标记为Y1，可以有效表征人体上身保持与地面垂直(站和坐)或水平姿态，故采用Yl夹角阈值判别。在决策结构的第二层包含两个子集，一是上身垂直姿态，由于大腿处的加速度传感器的Y轴加速度信号，标记为Y2，可以有效区分下肢的直立、垂直和倾斜模式，采用Y2夹角阈值用于站、坐和蹲这三类身体姿态的识别。另一个是上身水平姿态，主要包括四种躺的姿态，利用大腿处的X轴加速度信号，标记为X2可以有效表征身体的向左一中一右躺的姿势，采用X2双阂值判断向左躺、向右躺，以及俯仰躺。进一步地，利用胸口前后方向的Z轴加速度信号表征仰躺还是俯躺。至此，完成了多级阈值决策的身体姿态识别框架。动态转换动作的识别建立在静态身体姿态识别结果的基础上，当检测到动态活动段前后的身体姿态均为“站”时，该动态活动段表示为步态行为动作，否则就是动态转移动作。动态转移动作主要分为正常动态转移动作和异常的跌倒动作，由于主要研究步态行为过程中可能发生的跌倒，因此判断动态转换动作是否为跌倒主要考察某动态转移动作发生时，身体姿态是否经历由“站”到“躺”，同时是否伴随着较大的加速度信号幅值。这相比于传统的基于阈值的跌倒检测方法，可在一定程度上减少虚警率，譬如跳、快速坐下等与跌倒类似的动作不会误认为是跌倒。
优化的，还包括报警系统，所述报警系统与主机连接。
以上仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明创造的保护范围之内。

Claims (6)

1.一种基于动作识别技术的人体步态分析系统，包括有主机、接入主机的显示器，其特征在于，显示器前方设置铺设有供人体行走的直线形走道，直线行走道内设置MCU，所述MCU通过连接的无线模块与主机通讯连接，显示器顶部设置有图像采集盒，图像采集盒内置有彼此双向通讯连接的FPGA、DSP，图像采集盒侧壁上设置有一对分别对准走道上人体的摄像头，两摄像头分别通过信号线接入FPGA，DSP分别通过12C/SPI总线与两摄像头连接，DSP还通过USB总线与主机通讯连接，还包括检测套，检测套佩戴在人身上，检测套内置有中心处理单元，以及分别接入中心处理单元的惯性测量单元、无线模块，检测套内的中心处理单元通过连接的无线模块与主机通讯连接；
所述惯性测量单元包括三维加速度传感器,三维分成X轴、Y轴、Z轴，所述三维加速度传感器为多个，分别设置在胸口、大腿，使用多级阈值决策结构将不同类型的身体姿态进行区分，所述多级阈值决策结构为放置于胸口处的加速度传感器的Y轴的加速度信号，标记为Y1，表征人体上身保持与地面垂直姿态或水平姿态，大腿处的加速度传感器的Y轴加速度信号，标记为Y2，大腿处的X轴加速度信号，标记为X2，胸口前后方向的Z轴加速度信号表征仰躺或俯躺。
2.根据权利要求1所述的一种基于动作识别技术的人体步态分析系统，其特征在于，所述惯性测量单元还包括三轴陀螺仪、三轴磁传感器。
3.根据权利要求1所述的一种基于动作识别技术的人体步态分析系统，其特征在于，所述直线形走道包括有基台、铺设在基台上压力传感器，所述压力传感器的信号接入MCU的信号采集电路和无线模块。
4.根据权利要求3所述的一种基于动作识别技术的人体步态分析系统，其特征在于，所述压力传感器为阵列分布。
5.根据权利要求3或4所述的一种基于动作识别技术的人体步态分析系统，其特征在于，还包括柔性膜，所述柔性膜铺设在压力传感器上。
6.根据权利要求1所述的一种基于动作识别技术的人体步态分析系统，其特征在于，还包括报警系统，所述报警系统与主机连接。
CN201611167200.1A 2016-12-16 2016-12-16 一种基于动作识别技术的人体步态分析系统 Withdrawn CN106599849A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611167200.1A CN106599849A (zh) 2016-12-16 2016-12-16 一种基于动作识别技术的人体步态分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611167200.1A CN106599849A (zh) 2016-12-16 2016-12-16 一种基于动作识别技术的人体步态分析系统

Publications (1)

Publication Number Publication Date
CN106599849A true CN106599849A (zh) 2017-04-26

Family

ID=58599625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611167200.1A Withdrawn CN106599849A (zh) 2016-12-16 2016-12-16 一种基于动作识别技术的人体步态分析系统

Country Status (1)

Country Link
CN (1) CN106599849A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108551569A (zh) * 2018-04-20 2018-09-18 佛山市小沙江科技有限公司 一种安全监控装置
CN109886396A (zh) * 2019-03-18 2019-06-14 国家电网有限公司 一种输电线路舞动在线预测系统及方法
CN110210392A (zh) * 2019-05-31 2019-09-06 吉林化工学院 一种基于概率论的步态识别装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101950464A (zh) * 2010-09-17 2011-01-19 中国科学院深圳先进技术研究院 跌倒监测与报警的方法和系统
FR2954988A1 (fr) * 2010-01-04 2011-07-08 Bruno Aubert Procede de surveillance de l'activite et des chutes de personnes par analyse de la position spatio-temporelle de leur tronc et dispositif associe
CN203012745U (zh) * 2012-11-15 2013-06-19 合肥寰景信息技术有限公司 一种基于动作识别的人体异常行为检测与预警系统
CN203001823U (zh) * 2012-11-26 2013-06-19 合肥寰景信息技术有限公司 一种基于物联网和动作识别技术的健康促进系统
CN203059700U (zh) * 2012-12-13 2013-07-17 合肥寰景信息技术有限公司 一种基于运动追踪的人体机能动态评测系统
CN104461013A (zh) * 2014-12-25 2015-03-25 中国科学院合肥物质科学研究院 一种基于惯性传感单元的人体动作重构与分析系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2954988A1 (fr) * 2010-01-04 2011-07-08 Bruno Aubert Procede de surveillance de l'activite et des chutes de personnes par analyse de la position spatio-temporelle de leur tronc et dispositif associe
CN101950464A (zh) * 2010-09-17 2011-01-19 中国科学院深圳先进技术研究院 跌倒监测与报警的方法和系统
CN203012745U (zh) * 2012-11-15 2013-06-19 合肥寰景信息技术有限公司 一种基于动作识别的人体异常行为检测与预警系统
CN203001823U (zh) * 2012-11-26 2013-06-19 合肥寰景信息技术有限公司 一种基于物联网和动作识别技术的健康促进系统
CN203059700U (zh) * 2012-12-13 2013-07-17 合肥寰景信息技术有限公司 一种基于运动追踪的人体机能动态评测系统
CN104461013A (zh) * 2014-12-25 2015-03-25 中国科学院合肥物质科学研究院 一种基于惯性传感单元的人体动作重构与分析系统及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108551569A (zh) * 2018-04-20 2018-09-18 佛山市小沙江科技有限公司 一种安全监控装置
CN109886396A (zh) * 2019-03-18 2019-06-14 国家电网有限公司 一种输电线路舞动在线预测系统及方法
CN110210392A (zh) * 2019-05-31 2019-09-06 吉林化工学院 一种基于概率论的步态识别装置
CN110210392B (zh) * 2019-05-31 2022-12-09 吉林化工学院 一种基于概率论的步态识别装置

Similar Documents

Publication Publication Date Title
Lee et al. Inertial sensing-based pre-impact detection of falls involving near-fall scenarios
Yu et al. A large-scale open motion dataset (KFall) and benchmark algorithms for detecting pre-impact fall of the elderly using wearable inertial sensors
CN104598896B (zh) 基于Kinect骨架追踪的人体摔倒自动检测方法
Kepski et al. Fall detection using ceiling-mounted 3d depth camera
KR101858116B1 (ko) 자세균형 훈련 시스템
Luo et al. Intelligent carpet: Inferring 3d human pose from tactile signals
CN107194967A (zh) 基于Kinect深度图像的人体摔倒检测方法及装置
CN106599849A (zh) 一种基于动作识别技术的人体步态分析系统
Xiong et al. S3D-CNN: skeleton-based 3D consecutive-low-pooling neural network for fall detection
CN104361321A (zh) 一种判断老年人摔倒行为及身体平衡能力的方法
CN110532850B (zh) 一种基于视频关节点和混合分类器的跌倒检测方法
CN107545252A (zh) 基于多姿态人脸模型的视频中人脸识别方法及装置
CN110472473A (zh) 基于姿态估计检测扶梯上人跌倒的方法
CN110598536A (zh) 一种基于人体骨架运动模型的跌倒检测方法及系统
CN113111767A (zh) 一种基于深度学习3d姿态评估的跌倒检测方法
CN107038402A (zh) 用于患者移动检测的检测方法及检测设备
CN113856186A (zh) 一种引体向上动作判定与计数的方法、系统及装置
Ponce et al. Sensor location analysis and minimal deployment for fall detection system
Liao et al. A vision-based walking posture analysis system without markers
CN106652343A (zh) 一种基于视频监控的人体摔倒识别与预警系统
Yao et al. A new kinect approach to judge unhealthy sitting posture based on neck angle and torso angle
CN103632133A (zh) 人体姿态识别方法
WO2015093827A1 (ko) 뎁스 영상 분석을 통한 사용자 동작 인식 방법, 이를 이용한 사용자 동작 분석 장치 및 이를 기록한 컴퓨팅 장치에 의해 판독 가능한 기록매체
WO2021225249A1 (ko) 보행 분석 시스템 및 방법
Li et al. A benchmark for gait recognition under occlusion collected by multi-kinect sdas

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20170426

WW01 Invention patent application withdrawn after publication