CN107085246A - 一种基于mems的人体动作识别方法和装置 - Google Patents
一种基于mems的人体动作识别方法和装置 Download PDFInfo
- Publication number
- CN107085246A CN107085246A CN201710328441.8A CN201710328441A CN107085246A CN 107085246 A CN107085246 A CN 107085246A CN 201710328441 A CN201710328441 A CN 201710328441A CN 107085246 A CN107085246 A CN 107085246A
- Authority
- CN
- China
- Prior art keywords
- data
- angular dimensions
- posture
- acceleration
- user
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例提供了一种基于MEMS的人体动作识别方法,应用于包括加速度传感器、角速度传感器及磁力计传感器的装置,所述方法包括:获取加速度传感器的第一数据;获取角速度传感器的第二数据;获取磁力计传感器的第三数据;依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数;从所述欧拉角参数选取出俯仰角参数;依据所述俯仰角参数及所述第一数据确定用户的姿态。依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数,从所述欧拉角参数选取出俯仰角参数,依据所述俯仰角参数及所述第一数据确定用户的姿态;可以准确得出用户的姿态为坐位或站位,使用加速度参数、欧拉角等数据通过严谨的逻辑完成坐‑站识别。
Description
技术领域
本发明涉及动作识别的技术领域,特别是涉及一种基于MEMS的人体动作识别方法和数据处理装置。
背景技术
人体动作的识别在很多领域中都有所使用,不论是在当前流行的VR游戏互动,还是传统的人体行为识别,以及病人康复训练中都涉及相关知识,尤其是在本发明所针对的老年人危险动作预警与防护中,人体动作识别更是核心技术之所在。
现有技术中,可以利用多个摄像头,基于机器视觉,使用了一种利用时间和空间信息的特征来表达当前人体的运动状态,然后再通过一种图论半监督方法设计分类器,从而达到人体动作识别的目的。再者,可以采集动作数据,进行数据拟合,然后将预定数量的拟合数据按时间顺序读入滑动窗口,根据滑动窗口内数据中位数来确定动作起始点和终止点,提取该起始点和终止点之间的数据作为有效数据,进而对有效数据进行动作识别,该方法在当下流行的智能终端上实现,使用方便,成本低。
但是,上述的方案都存在不同程度上的先天缺陷,使用多个摄像头,基于机器视觉来对封闭空间内活动的人体进行动作识别,排除技术上存在的问题与难点,这种需要在特定场合安装多个装置的方法存在着一个适用场合比较局限的问题,因为假如现在的需求为在室外识别人体动作,那么该方案便不可以行,并且多个摄像头只能采集数据,还需要一个处理数据的终端,如此大量的图像数据普通处理器难以胜任,所以还需要实时处理性能强劲的处理器,其开发难度较大,成本不易控制;进一步地,人体动作的识别,是将数据采集装置设定在一个固定的位置,从而使得数据具有标准性,然后使数据分析能有理有据地进行下去,但是智能终端因为小巧灵活,可以放在用户的不同部位,这对检测的准确性是破坏性的,完全失去检测人体动作的意义。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种数据处理方法和相应的一种数据处理装置。
为了解决上述问题,本发明实施例公开了一种基于MEMS的人体动作识别方法,应用于包括加速度传感器、角速度传感器及磁力计传感器的装置,所述方法包括:
获取加速度传感器的第一数据;
获取角速度传感器的第二数据;
获取磁力计传感器的第三数据;
依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数;
从所述欧拉角参数选取出俯仰角参数;
依据所述俯仰角参数及所述第一数据确定用户的姿态。
进一步地,所述依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数的步骤包括:
将第一数据及第三数据进行归一化操作;
采用所述归一化操作的第一数据及第三数据修正所述第二数据,获得修正后的第二数据;
采用所述第一数据、所述第二数据及所述第三数据计算四元数微分方程,获得四元数;
将所述四元数转化为欧拉角参数。
进一步地,所述依据所述俯仰角参数及所述第一数据确定用户的姿态的步骤包括:
判断所述俯仰角参数是否小于第一预设角度阈值;
判断所述俯仰角参数小于第一预设角度阈值,采用所述第一数据计算得到合加速度参数;
判断所述合加速度参数所属的预设加速度阈值区间;其中,所述预设加速度阈值区间包括第一加速度阈值区间及第二加速度阈值区间;
当所述合加速度参数所属的预设加速度阈值区间为第一加速度阈值区间时,则确定用户的姿态为坐位;
当所述合加速度参数所属的预设加速度阈值区间为第二加速度阈值区间时,则确定用户的姿态为站位。
进一步地,所述方法还包括:
从所述欧拉角参数选取出倾斜角参数;
依据所述倾斜角参数判断用户的姿态是否改变。
进一步地,所述依据所述倾斜角参数判断用户的姿态是否改变的步骤包括:
判断所述倾斜角参数是否大于第二预设角度阈值;
当所述倾斜角参数大于第二预设角度阈值时,确定用户姿态未改变。
另外,还包括一种基于MEMS的人体动作识别装置,所述装置包括加速度传感器、角速度传感器及磁力计传感器,所述装置包括:
第一数据获取模块,用于获取加速度传感器的第一数据;
第二数据获取模块,用于获取角速度传感器的第二数据;
第三数据获取模块,用于获取磁力计传感器的第三数据;
欧拉角参数获得模块,用于依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数;
俯仰角参数获得模块,用于从所述欧拉角参数选取出俯仰角参数;
第一姿态确定模块,用于依据所述俯仰角参数及所述第一数据确定用户的姿态。
进一步地,所述欧拉角参数获得模块包括:
归一化操作子模块,用于将第一数据及第三数据进行归一化操作;
修正子模块,用于采用所述归一化操作的第一数据及第三数据修正所述第二数据,获得修正后的第二数据;
四元数获得子模块,用于采用所述第一数据、所述第二数据及所述第三数据计算四元数微分方程,获得四元数;
欧拉角参数转化子模块,用于将所述四元数转化为欧拉角参数。
进一步地,所述第一姿态确定模块包括:
第一判断子模块,用于判断所述俯仰角参数是否小于第一预设角度阈值;
合加速度参数计算子模块,用于判断所述俯仰角参数小于第一预设角度阈值,采用所述第一数据计算得到合加速度参数;
第二判断子模块,用于判断所述合加速度参数所属的预设加速度阈值区间;其中,所述预设加速度阈值区间包括第一加速度阈值区间及第二加速度阈值区间;
第一姿态确定子模块,用于当所述合加速度参数所属的预设加速度阈值区间为第一加速度阈值区间时,则确定用户的姿态为坐位;
第二姿态确定子模块,用于当所述合加速度参数所属的预设加速度阈值区间为第二加速度阈值区间时,则确定用户的姿态为站位。
进一步地,所述装置还包括:
倾斜角参数获得模块,用于从所述欧拉角参数选取出倾斜角参数;
第二姿态确定模块,用于依据所述倾斜角参数判断用户的姿态是否改变。
进一步地,所述第二姿态确定模块包括:
第三判断子模块,用于判断所述倾斜角参数是否大于第二预设角度阈值;
第三姿态确定子模块,用于当所述倾斜角参数大于第二预设角度阈值时,确定用户姿态未改变。
本发明实施例包括以下优点:
本发明实施例中,获取加速度传感器的第一数据,获取角速度传感器的第二数据,获取磁力计传感器的第三数据,依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数,从所述欧拉角参数选取出俯仰角参数,依据所述俯仰角参数及所述第一数据确定用户的姿态;可以准确得出用户的姿态为坐位或站位,使用加速度参数、欧拉角等数据通过严谨的逻辑完成坐-站识别。
附图说明
图1是本发明实施例的一种基于MEMS的人体动作识别方法实施例一的步骤流程图;
图2是本发明实施例的一种基于MEMS的人体动作识别方法实施例二的步骤流程图;
图3是本发明实施例的一种基于MEMS的人体动作识别装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例的核心构思之一在于,采用三种传感器获取用户运动过程的俯仰角参数、倾斜角参数、合加速度参数,从而判断用户的姿态之间的转换。
参照图1,示出了本发明实施例的一种基于MEMS的人体动作识别方法实施例一的步骤流程图,应用于包括加速度传感器、角速度传感器及磁力计传感器的装置,具体可以包括如下步骤:
步骤101,获取加速度传感器的第一数据;
本发明实施例中,首先获取加速度传感器的第一数据,该加速度传感器可以包括三轴加速度传感器,本发明实施例对加速度传感器的种类不作限制;该第一数据可以包括加速度传感器每个方向的加速度参数,优选地,该加速度传感器为三轴加速度传感器时,可以计算得到三个方向的加速度参数的合加速度参数。
步骤102,获取角速度传感器的第二数据;
实际应用到本发明实施例中,还可以获取到角速度传感器的第二数据,角速度传感器也称为陀螺仪,是用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转轴的一个或二个轴的角运动检测装置,本发明实施例中,可以用于获取用户的运动过程中的角速度参数,即第二数据。
步骤103,获取磁力计传感器的第三数据;
进一步地,还可以获取到磁力计传感器的第三数据,该可以测量当前用户佩带的装置与东南西北方向上的夹角,即该第三数据可以包括有关装置与东南西北方向上的夹角的数据。
步骤104,依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数;
本发明实施例中,按照角速度传感器的量程将角速度传感器输出的数据转换为其对应量程下的第二数据,将加速度传感器、磁力计传感器的第一数据及第三数据分别归一化;利用加速度传感器、磁力计传感器纠正角速度传感器低频的漂移,首先将重力、磁力分别转换到机体坐标系中与测量尺作对此,计算出误差,然后综合重力与磁力误差,方法为向量间的叉乘,并将此误差随时间积分,得到误差积分,将此误差积分看做加速度传感器、磁力计传感器用于修正角速度传感器的修正系数,得到相对原始数据更加可信的角速度传感器数据,最后通过四元数微分方程得到当前时刻四元数,并单位化,进入循环,不断更新四元数,得到四元数即可以得到欧拉角参数
步骤105,从所述欧拉角参数选取出俯仰角参数;
需要说明的是,所述欧拉角参数包括俯仰角参数、横滚角参数、航向角参数,而本发明实施例所称的俯仰角参数不一定与所述欧拉角参数中的俯仰角参数对应,因为本发明实施例中的俯仰角参数为本领域技术人员根据实际情况而设定的角度参数,即本发明实施例所称的俯仰角参数可以包括所述欧拉角参数中的前后两个俯仰角参数的差值或前后两个横滚角参数的差值或前后两个航向角参数的差值,本发明实施例对此不作限制。
具体而言,可以将由欧拉角参数选取出用户在动作过程中的俯仰角参数,该俯仰角参数可以定义用户在运动过程中的腰部相对于参考面的弯曲角度,该参考可以包括水平面及垂直面,还可以包括本领域技术人员自定义的任何参考面,当然,还可以定义为相对于参考面的膝部弯曲的角度,本发明实施例不作具体的限制。
步骤106,依据所述俯仰角参数及所述第一数据确定用户的姿态。
本发明实施例中,还可以设置一个容忍阈值区间,从所述欧拉角参数选取出俯仰角参数后,可以先判断俯仰角参数是否落在容忍阈值区间之内,以此来判断用户是否要发生坐-站的转换或站-坐的转换。
具体到本发明实施例中,可以判断俯仰角参数是否小于第一预设角度阈值,如该第一预设角度阈值为100度,若俯仰角参数为105度,则俯仰角参数大于第一预设角度阈值,认为用户在运动过程中已“跌倒”,便不再判断用户的姿态,需要说明的是,考虑到某些特定用户(如驼背的用户,或有残疾的用户)的需求,本发明实施例中的第一预设角度阈值可以是本领域技术人员根据实际情况而设定的任何角度参数,如90度,本发明实施例对此不作具体的限制。
进一步地,还可以针对特定用户(如驼背的用户,或有残疾的用户)的需求对所述俯仰角参数进行校准,使之符合用户的需求,校准方法可以为使三种传感器进入采集状态,佩戴至用户的腹部,用户以平常姿态保持站立约10秒,将传感器采集到的加速度参数、欧拉角参数分别缓存,依次将各种(如合加速度参数、每个方向的加速度参数、欧拉角参数)缓存数据求加权平均,方法为将统计到的数据以大小排列,形成一维序列,等分三份,首尾权重为0.25,中间部分权重为0.5,将各数据的加权平均值求出来后放入初始的欧拉角参数、初始加速度参数中,用于后续动作的此较,本发明实施例对具体的校准方法不作具体的限制。
本发明实施例中,可以在俯仰角参数小于第一预设角度阈值的情况下,再根据合加速度参数的“波形”来判断用户运动过程中的姿态为坐位或站位;具体地,可以通过设置为预设加速度阈值区间来确定用户的姿态;即通过合加速度参数的变化区间来确定用户的姿态,因为当平稳发生“坐”时,合加速度参数会有一段小于1G(9.8m2/s)的波形,坐下后即恢复1G,即用户发生了站到坐的转变,确认用户的当前姿态为坐位;发生“站”时,用户要从静止到运动,合加速度参数势必会有一段大于1G的波形,即用户发生了坐到站的转变,确认用户的当前姿态为站位。
本发明实施例中,获取加速度传感器的第一数据,获取角速度传感器的第二数据,获取磁力计传感器的第三数据,依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数,从所述欧拉角参数选取出俯仰角参数,依据所述俯仰角参数及所述第一数据确定用户的姿态;可以准确得出用户的姿态为坐位或站位,使用加速度参数、欧拉角等数据通过严谨的逻辑完成坐-站识别。
参照图2,示出了本发明实施例的一种数据处理方法实施例二的步骤流程图,应用于包括加速度传感器、角速度传感器及磁力计传感器的装置,具体可以包括如下步骤:
步骤201,获取加速度传感器的第一数据;
步骤202,获取角速度传感器的第二数据;
步骤203,获取磁力计传感器的第三数据;
本发明实施例中,首先获取加速度传感器的第一数据,该加速度传感器可以包括三轴加速度传感器,可以计算得到三个方向的加速度参数的合加速度参数;还可以获取到角速度传感器的第二数据,最后可以获取到用户在运动过程中的磁力计传感器的第三数据,该第三数据可以包括有关装置与东南西北方向上的夹角的数据。
步骤204,依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数;
本发明实施例的一种优选实施例中,所述依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数的步骤包括:
步骤S2041,将第一数据及第三数据进行归一化操作;
步骤S2042,采用所述归一化操作的第一数据及第三数据修正所述第二数据,获得修正后的第二数据;
步骤S2043,采用所述第一数据、所述第二数据及所述第三数据计算四元数微分方程,获得四元数;
步骤S2044,将所述四元数转化为欧拉角参数。
本发明实施例中,将加速度传感器、磁力计传感器的第一数据及第三数据分别归一化;利用加速度传感器、磁力计传感器纠正角速度传感器低频的漂移,将得到的误差积分看做加速度传感器、磁力计传感器用于修正角速度传感器的修正系数,得到相对原始数据更加可信的角速度传感器数据,即修正后的第二数据,最后通过四元数微分方程采用所述第一数据、修正后的第二数据及所述第三数据计算四元数微分方程,获得四元数,将所述四元数转化为欧拉角参数。
步骤205,从所述欧拉角参数选取出俯仰角参数;
实际应用中,可以将由欧拉角参数选取出用户在动作过程中的俯仰角参数,该俯仰角参数可以定义用户在运动过程中的腰部相对于参考面的弯曲角度。
步骤206,依据所述俯仰角参数及所述第一数据确定用户的姿态。
本发明实施例的另一种优选实施例中,所述依据所述俯仰角参数及所述第一数据确定用户的姿态的步骤包括:
步骤S2061,判断所述俯仰角参数是否小于第一预设角度阈值;
步骤S2062,判断所述俯仰角参数小于第一预设角度阈值,采用所述第一数据计算得到合加速度参数;
步骤S2063,判断所述合加速度参数所属的预设加速度阈值区间;其中,所述预设加速度阈值区间包括第一加速度阈值区间及第二加速度阈值区间;
步骤S2064,当所述合加速度参数所属的预设加速度阈值区间为第一加速度阈值区间时,则确定用户的姿态为坐位;即用户发生了站到坐的转变,确认用户的当前姿态为坐位;
步骤S2065,当所述合加速度参数所属的预设加速度阈值区间为第二加速度阈值区间时,则确定用户的姿态为站位,,即用户发生了坐到站的转变,确认用户的当前姿态为站位。
实际应用中,在所述俯仰角参数小于第一预设角度阈值的情况下,通过设置为预设加速度阈值区间来确定用户的姿态;即通过合加速度参数的变化区间来确定用户的姿态,当预设加速度阈值区间为第一加速度阈值区间时,合加速度参数为下降的波形,确定用户的姿态为坐位;而当预设加速度阈值区间为第二加速度阈值区间时,合加速度参数为上升的波形,则确定用户的姿态为站位。
步骤207,从所述欧拉角参数选取出倾斜角参数;
进一步地,还可以采用欧拉角参数获得倾斜角参数;该倾斜角参数可以定义为用户在运动过程中的身体左右摆动的角度,还可以是身体左右弯曲的角度,本发明实施例对此不作具体的限制。
步骤208,依据所述倾斜角参数判断用户的姿态是否改变。
本发明实施例中,优选地,所述依据所述倾斜角参数判断用户的姿态是否改变的步骤包括:
步骤S2081,判断所述倾斜角参数是否大于第二预设角度阈值;
步骤S2082,当所述倾斜角参数大于第二预设角度阈值时,确定用户姿态未改变。
具体地,可以将所述判断所述倾斜角参数是否大于第二预设角度阈值;即判断用户运动过程中的身体左右摆动的角度是否超过第二预设角度阈值,若是,则确定用户姿态未改变,进一步加强判断用户运动过程中的动作的准确性。
本发明实施例中,获取加速度传感器的第一数据,获取角速度传感器的第二数据,获取磁力计传感器的第三数据,依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数,从所述欧拉角参数选取出俯仰角参数,依据所述俯仰角参数及所述第一数据确定用户的姿态,从所述欧拉角参数选取出倾斜角参数,依据所述倾斜角参数判断用户的姿态是否改变;可以准确得出用户的姿态为坐位或站位,使用合加速度参数、倾斜角参数及俯仰角参数等数据完成坐-站识别,进一步加强判断用户运动过程中的动作的准确性。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图3,示出了本发明的一种基于MEMS的人体动作识别装置实施例的结构框图,所述装置包括加速度传感器、角速度传感器及磁力计传感器,具体可以包括如下模块:
第一数据获取模块301,用于获取加速度传感器的第一数据;
第二数据获取模块302,用于获取角速度传感器的第二数据;
第三数据获取模块303,用于获取磁力计传感器的第三数据;
欧拉角参数获得模块304,用于依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数;
俯仰角参数获得模块305,用于从所述欧拉角参数选取出俯仰角参数;
第一姿态确定模块306,用于依据所述俯仰角参数及所述第一数据确定用户的姿态。
优选地,所述欧拉角参数获得模块包括:
归一化操作子模块,用于将第一数据及第三数据进行归一化操作;
修正子模块,用于采用所述归一化操作的第一数据及第三数据修正所述第二数据,获得修正后的第二数据;
四元数获得子模块,用于采用所述第一数据、所述第二数据及所述第三数据计算四元数微分方程,获得四元数;
欧拉角参数转化子模块,用于将所述四元数转化为欧拉角参数。
优选地,所述第一姿态确定模块包括:
第一判断子模块,用于判断所述俯仰角参数是否小于第一预设角度阈值;
合加速度参数计算子模块,用于判断所述俯仰角参数小于第一预设角度阈值,采用所述第一数据计算得到合加速度参数;
第二判断子模块,用于判断所述合加速度参数所属的预设加速度阈值区间;其中,所述预设加速度阈值区间包括第一加速度阈值区间及第一加速度阈值区间;
第一姿态确定子模块,用于当所述合加速度参数所属的预设加速度阈值区间为第一加速度阈值区间时,则确定用户的姿态为坐位;
第二姿态确定子模块,用于当所述合加速度参数所属的预设加速度阈值区间为第二加速度阈值区间时,则确定用户的姿态为站位。
优选地,所述装置还包括:
倾斜角参数获得模块,用于从所述欧拉角参数选取出倾斜角参数;
第二姿态确定模块,用于依据所述倾斜角参数判断用户的姿态是否改变。
优选地,所述第二姿态确定模块包括:
第三判断子模块,用于判断所述倾斜角参数是否大于第二预设角度阈值;
第三姿态确定子模块,用于当所述倾斜角参数大于第二预设角度阈值时,确定用户姿态未改变。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的此较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种方法和一种装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于MEMS的人体动作识别方法,其特征在于,应用于包括加速度传感器、角速度传感器及磁力计传感器的装置,所述方法包括:
获取加速度传感器的第一数据;
获取角速度传感器的第二数据;
获取磁力计传感器的第三数据;
依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数;
从所述欧拉角参数选取出俯仰角参数;
依据所述俯仰角参数及所述第一数据确定用户的姿态。
2.根据权利要求1所述的方法,其特征在于,所述依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数的步骤包括:
将第一数据及第三数据进行归一化操作;
采用所述归一化操作的第一数据及第三数据修正所述第二数据获得修正后的第二数据;
采用所述第一数据、所述第二数据及所述第三数据计算四元数微分方程,获得四元数;
将所述四元数转化为欧拉角参数。
3.根据权利要求1所述的方法,其特征在于,所述依据所述俯仰角参数及所述第一数据确定用户的姿态的步骤包括:
判断所述俯仰角参数是否小于第一预设角度阈值;
判断所述俯仰角参数小于第一预设角度阈值,采用所述第一数据计算得到合加速度参数;
判断所述合加速度参数所属的预设加速度阈值区间;其中,所述预设加速度阈值区间包括第一加速度阈值区间及第二加速度阈值区间;
当所述合加速度参数所属的预设加速度阈值区间为第一加速度阈值区间时,则确定用户的姿态为坐位;
当所述合加速度参数所属的预设加速度阈值区间为第二加速度阈值区间时,则确定用户的姿态为站位。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
从所述欧拉角参数选取出倾斜角参数;
依据所述倾斜角参数判断用户的姿态是否改变。
5.根据权利要求4所述的方法,其特征在于,所述依据所述倾斜角参数判断用户的姿态是否改变的步骤包括:
判断所述倾斜角参数是否大于第二预设角度阈值;
当所述倾斜角参数大于第二预设角度阈值时,确定用户姿态未改变。
6.一种基于MEMS的人体动作识别装置,其特征在于,所述装置包括加速度传感器、角速度传感器及磁力计传感器,所述装置包括:
第一数据获取模块,用于获取加速度传感器的第一数据;
第二数据获取模块,用于获取角速度传感器的第二数据;
第三数据获取模块,用于获取磁力计传感器的第三数据;
欧拉角参数获得模块,用于依据所述第一数据、所述第二数据及所述第三数据获得欧拉角参数;
俯仰角参数获得模块,用于从所述欧拉角参数选取出俯仰角参数;
第一姿态确定模块,用于依据所述俯仰角参数及所述第一数据确定用户的姿态。
7.根据权利要求6所述的装置,其特征在于,所述欧拉角参数获得模块包括:
归一化操作子模块,用于将第一数据及第三数据进行归一化操作;
修正子模块,用于采用所述归一化操作的第一数据及第三数据修正所述第二数据,获得修正后的第二数据;
四元数获得子模块,用于采用所述第一数据、所述第二数据及所述第三数据计算四元数微分方程,获得四元数;
欧拉角参数转化子模块,用于将所述四元数转化为欧拉角参数。
8.根据权利要求6所述的装置,其特征在于,所述第一姿态确定模块包括:
第一判断子模块,用于判断所述俯仰角参数是否小于第一预设角度阈值;
合加速度参数计算子模块,用于判断所述俯仰角参数小于第一预设角度阈值,采用所述第一数据计算得到合加速度参数;
第二判断子模块,用于判断所述合加速度参数所属的预设加速度阈值区间;其中,所述预设加速度阈值区间包括第一加速度阈值区间及第二加速度阈值区间;
第一姿态确定子模块,用于当所述合加速度参数所属的预设加速度阈值区间为第一加速度阈值区间时,则确定用户的姿态为坐位;
第二姿态确定子模块,用于当所述合加速度参数所属的预设加速度阈值区间为第二加速度阈值区间时,则确定用户的姿态为站位。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
倾斜角参数获得模块,用于从所述欧拉角参数选取出倾斜角参数;
第二姿态确定模块,用于依据所述倾斜角参数判断用户的姿态是否改变。
10.根据权利要求9所述的装置,其特征在于,所述第二姿态确定模块包括:
第三判断子模块,用于判断所述倾斜角参数是否大于第二预设角度阈值;
第三姿态确定子模块,用于当所述倾斜角参数大于第二预设角度阈值时,确定用户姿态未改变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328441.8A CN107085246A (zh) | 2017-05-11 | 2017-05-11 | 一种基于mems的人体动作识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328441.8A CN107085246A (zh) | 2017-05-11 | 2017-05-11 | 一种基于mems的人体动作识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107085246A true CN107085246A (zh) | 2017-08-22 |
Family
ID=59613217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710328441.8A Pending CN107085246A (zh) | 2017-05-11 | 2017-05-11 | 一种基于mems的人体动作识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107085246A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596074A (zh) * | 2018-04-19 | 2018-09-28 | 上海理工大学 | 一种基于惯性传感器的人体下肢动作识别方法 |
CN109993037A (zh) * | 2018-01-02 | 2019-07-09 | 中国移动通信有限公司研究院 | 动作识别方法、装置、穿戴设备及计算机可读存储介质 |
CN111028488A (zh) * | 2019-10-31 | 2020-04-17 | 浙江工业大学 | 一种基于pso-svm的智能久坐提醒的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11211474A (ja) * | 1998-01-20 | 1999-08-06 | Tokin Corp | 姿勢角検出装置 |
CN102297693A (zh) * | 2010-06-24 | 2011-12-28 | 鼎亿数码科技(上海)有限公司 | 测量物体位置和方位的方法 |
CN102707305A (zh) * | 2012-06-06 | 2012-10-03 | 山东大学 | 摔倒检测定位系统及方法 |
CN105632101A (zh) * | 2015-12-31 | 2016-06-01 | 深圳先进技术研究院 | 一种人体防跌倒预警方法及系统 |
CN106500695A (zh) * | 2017-01-05 | 2017-03-15 | 大连理工大学 | 一种基于自适应扩展卡尔曼滤波的人体姿态识别方法 |
CN106510719A (zh) * | 2016-09-30 | 2017-03-22 | 歌尔股份有限公司 | 一种用户姿态监测方法和可穿戴设备 |
WO2017063387A1 (zh) * | 2015-10-13 | 2017-04-20 | 上海华测导航技术股份有限公司 | 基于九轴mems传感器的农业机械全姿态角更新方法 |
-
2017
- 2017-05-11 CN CN201710328441.8A patent/CN107085246A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11211474A (ja) * | 1998-01-20 | 1999-08-06 | Tokin Corp | 姿勢角検出装置 |
CN102297693A (zh) * | 2010-06-24 | 2011-12-28 | 鼎亿数码科技(上海)有限公司 | 测量物体位置和方位的方法 |
CN102707305A (zh) * | 2012-06-06 | 2012-10-03 | 山东大学 | 摔倒检测定位系统及方法 |
WO2017063387A1 (zh) * | 2015-10-13 | 2017-04-20 | 上海华测导航技术股份有限公司 | 基于九轴mems传感器的农业机械全姿态角更新方法 |
CN105632101A (zh) * | 2015-12-31 | 2016-06-01 | 深圳先进技术研究院 | 一种人体防跌倒预警方法及系统 |
CN106510719A (zh) * | 2016-09-30 | 2017-03-22 | 歌尔股份有限公司 | 一种用户姿态监测方法和可穿戴设备 |
CN106500695A (zh) * | 2017-01-05 | 2017-03-15 | 大连理工大学 | 一种基于自适应扩展卡尔曼滤波的人体姿态识别方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993037A (zh) * | 2018-01-02 | 2019-07-09 | 中国移动通信有限公司研究院 | 动作识别方法、装置、穿戴设备及计算机可读存储介质 |
CN109993037B (zh) * | 2018-01-02 | 2021-08-06 | 中国移动通信有限公司研究院 | 动作识别方法、装置、穿戴设备及计算机可读存储介质 |
CN108596074A (zh) * | 2018-04-19 | 2018-09-28 | 上海理工大学 | 一种基于惯性传感器的人体下肢动作识别方法 |
CN111028488A (zh) * | 2019-10-31 | 2020-04-17 | 浙江工业大学 | 一种基于pso-svm的智能久坐提醒的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101509472B1 (ko) | 운동파라미터 확정방법, 장치와 운동지원방법 | |
CN109631888B (zh) | 动作轨迹识别方法、装置、可穿戴设备及存储介质 | |
US20100194879A1 (en) | Object motion capturing system and method | |
US10252106B2 (en) | Golf swing analysis apparatus and golf club fitting apparatus | |
CN107085246A (zh) | 一种基于mems的人体动作识别方法和装置 | |
JP2009002934A (ja) | 実質的に不変な回転軸を検出するための方法および装置 | |
US9348953B2 (en) | Swing simulation system, swing simulation apparatus, and swing simulation method | |
CN107389052A (zh) | 一种踝泵运动监测系统及终端设备 | |
CN106137209A (zh) | 一种运动姿态检测方法及可穿戴式设备 | |
CN109893111B (zh) | 一种动态血压测量模式选择方法及装置 | |
CN109284006B (zh) | 一种人体运动捕获装置和方法 | |
CN106210269A (zh) | 一种基于智能手机的人体动作识别系统及方法 | |
CN110991482A (zh) | 健身动作识别的方法、终端及计算机存储介质 | |
CN106108909A (zh) | 一种人体姿态检测穿戴设备、系统及控制方法 | |
CN107608508A (zh) | 一种信息处理方法及电子设备 | |
CN109211267A (zh) | 一种惯性动作捕捉姿态快速校准方法及系统 | |
CN111330213A (zh) | 一种vr跑步机的防摔预判方法、系统及可读存储介质 | |
CN111444600A (zh) | 一种vr跑步机的参数修正方法、系统及可读存储介质 | |
CN114035345B (zh) | 智能眼镜及其工作方法 | |
CN107084722A (zh) | 一种用于提高惯性‑地磁组合静动态综合性能的方法 | |
CN111330214B (zh) | 一种vr跑步机的安全防护方法、系统及可读存储介质 | |
CN105975989A (zh) | 一种基于九轴运动传感器的肘部运动状态识别方法 | |
CN116310991A (zh) | 一种基于强化学习的篮板落点预测方法及系统 | |
CN107202594A (zh) | 一种基于mtk平台的数据处理方法和装置 | |
CN111772640B (zh) | 肢体运动训练指导方法、装置及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170822 |