CN107440722A - 用于运动人体的步态识别的方法、装置及系统 - Google Patents

用于运动人体的步态识别的方法、装置及系统 Download PDF

Info

Publication number
CN107440722A
CN107440722A CN201710607972.0A CN201710607972A CN107440722A CN 107440722 A CN107440722 A CN 107440722A CN 201710607972 A CN201710607972 A CN 201710607972A CN 107440722 A CN107440722 A CN 107440722A
Authority
CN
China
Prior art keywords
photodetector
motion
row
laser
signal
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
Application number
CN201710607972.0A
Other languages
English (en)
Inventor
郝祁
马睿
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.)
Southwest University of Science and Technology
Southern University of Science and Technology
Original Assignee
Southwest University of Science and Technology
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 Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN201710607972.0A priority Critical patent/CN107440722A/zh
Publication of CN107440722A publication Critical patent/CN107440722A/zh
Pending legal-status Critical Current

Links

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
    • A61B5/112—Gait analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种用于运动人体的步态识别方法、装置及系统，属于识别技术领域。该方法包括：获取通过多排光电探测器采集到的所述运动人体的运动电信号，至少一排光电探测器用于采集所述运动人体的手部的运动电信号，至少一排光电探测器用于采集所述运动人体的腿部的运动电信号；每排光电探测器与一排激光器一一对应设置；分别二进制化每排的多个所述运动电信号并进行或运算合成运动二进制信号；根据至少两个所述运动二进制信号进行特征提取并计算，根据计算结果进行步态识别。本发明减小了计算的复杂度，提高了识别效率。

Description

用于运动人体的步态识别的方法、装置及系统
技术领域
本发明实施例涉及识别技术领域，尤其涉及一种用于运动人体的步态识别方法、装置及系统。
背景技术
步态识别在实验室、医学界和日常生活中都有广泛应用，完整的人类步态运动包含各方面的信息，而要识别出步态的失调或病态，或基于步态进行人体识别则需提取其中的一些关键步态参数。
目前用于人体步态分析的主要设备和方法是采用摄像头拍摄人类行走运动过程的照片或视频，然后通过图像处理方法提取其中的步态特征进行分析。此方法为现有技术中最成熟和常用的方法，但此种方法也存在诸多缺点，检测过程需要获取和传输的图像数据量大，步态特征提取过程复杂，涉及大量的图像处理和运算，需要较大的通信带宽和计算能力，给硬件性能提出了较高的要求且能耗较高。
另外一种常见的方法是通过惯性传感器测量行走时肢体的运动探测到的直接数据是肢体运动的加速度，无法直接获取行走姿态，若要获得原本的姿态位置信息则需要对加速度信号进行二次积分，容易产生误差。同时惯性传感器系统属于侵入式系统，需要在目标人体上安装多个传感器，很多情况下不受用户欢迎，不方便推广应用。
发明内容
本发明提供一种用于运动人体的步态识别方法、装置及系统，达到使用简单方便，减小计算复杂度，提高识别效率的目的。
为达上述目的，本发明实施例采用如下技术方案：
第一方面，本发明实施例提供一种用于运动人体的步态识别的方法，包括：
获取通过多排光电探测器采集到的所述运动人体的运动电信号；至少一排光电探测器用于采集所述运动人体的手部的运动电信号，且至少一排光电探测器用于采集所述运动人体的腿部的运动电信号；每排光电探测器与一排激光器一一对应设置；
分别二进制化每排的多个所述运动电信号并进行或运算合成运动二进制信号；
根据至少两个所述运动二进制信号进行特征提取并计算，根据计算结果进行步态识别。
其中，每排激光器和每排光电探测器分别沿着所述运动人体的行进方向设置，同排的激光器和同排的光电探测器的设置高度相等。
其中，根据至少两个所述运动二进制信号进行特征提取并计算，根据计算结果进行步态识别，具体包括：
根据至少两个所述运动二进制信号提取并计算得到动态特征和静态特征；基于所述动态特征和静态特征计算对称性参数、平衡性参数和协调性参数；将所述对称性参数、平衡性参数和协调性参数分别与预设的阈值进行比较得出步态识别结果。
其中，所述动态特征为每个所述运动二进制信号内部0和1信号交替出现的概率；所述静态特征为两个所述运动二进制信号之间0和1信号成对出现的概率。
其中，根据至少两个所述运动二进制信号进行特征提取并计算，根据计算结果进行步态识别，具体包括：
根据第一时间段的所述运动二进制信号提取并计算得到动态特征，合成动态特征向量，计算每个所述运动二进制信号的多个第一时间段的所述动态特征向量的方差得到平衡性参数；结合第一时间段的两个所述运动二进制信号提取并计算得到第一静态特征，合成静态特征向量，计算两个所述运动二进制信号的多个第一时间段的所述静态特征向量的方差得到协调性参数；
根据第二时间段的两个所述运动二进制信号提取并计算得到第二静态特征，基于所述第二静态特征得到对称性参数；
将所述对称性参数、平衡性参数和协调性参数分别与预设的阈值进行比较得出步态识别结果。
第二方面，本发明实施例提供一种用于运动人体的步态识别的装置，包括：
信号接收模块，用于获取通过多排光电探测器采集到的所述运动人体的运动电信号；至少一排光电探测器用于采集所述运动人体的手部的运动电信号，且至少一排光电探测器用于采集所述运动人体的腿部的运动电信号；每排光电探测器与一排激光器一一对应设置；
信号转换合成模块，用于分别二进制化每排的多个所述运动电信号并进行或运算合成运动二进制信号；
识别模块，用于根据至少两个所述运动二进制信号进行特征提取并计算，根据计算结果进行步态识别。
第三方面，本发明实施例提供一种用于运动人体的步态识别的系统，包括：至少两排光电探测器、至少两排激光器和如第二方面所述的装置；至少一排所述光电探测器用于采集所述运动人体的手部的运动电信号并将手部的所述运动电信号发送给所述装置的信号接收模块，且至少一排光电探测器用于采集所述运动人体的腿部的运动电信号并将腿部的所述运动电信号发送给所述装置的信号接收模块；每排光电探测器与一排激光器一一对应设置。
其中，每排所述光电探测器和每排所述激光器分别沿着所述运动人体的行进方向设置，同排的激光器和同排的光电探测器的设置高度均相等。
其中，所述光电探测器和所述激光器均布置于第一安装面，与所述第一安装面相对的第二安装面上相应位置布置反射镜阵列，以使所述激光器发出的激光经反射后回到所述光电探测器上。
其中，每排所述光电探测器和与其对应设置的一排激光器布置于第一安装面的同一高度。
本发明提供一种用于运动人体的步态识别方法、装置及系统，通过多个激光器形成激光传感网来测量运动人体的步态信息，不需要用户配合，使用简单方便；通过直接测量和提取运动人体步态的几何信息，获取各项统计学参数，来实现步态识别，减小了计算的复杂度，提高了识别效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明实施例一中的一种用于运动人体的步态识别的方法流程图；
图2是本发明实施例中的动态特征ρij和静态特征Pij示意图；
图3是本发明实施例二中的一种用于运动人体的步态识别的方法流程图；
图4是本发明实施例三中的一种用于运动人体的步态识别的装置的结构示意图；
图5是本发明实施例四中的一种用于运动人体的步态识别的系统的结构示意图；
图6是本发明实施例四中的激光传感网的俯视图；
图7是本发明实施例四中的激光传感网的光电探测器的侧视图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。在不冲突的情况下，以下实施例和实施例中的特征可以相互组合。
实施例一
图1为本发明实施例一提供的一种用于运动人体的步态识别的方法，本实施例适用于对运动人体进行步态识别的情况，该方法可以由本发明实施例提供的用于运动人体的步态识别的装置来执行，该装置可采用软件和/或硬件的方式实现。
本发明实施例提供了一种用于运动人体的步态识别的方法，包括：
步骤101、获取通过多排光电探测器采集到的所述运动人体的运动电信号；至少一排光电探测器用于采集所述运动人体的手部的运动电信号，且至少一排光电探测器用于采集所述运动人体的腿部的运动电信号；每排光电探测器与一排激光器一一对应设置。
其中，在运动人体的探测空间布置多排光电探测器，每排光电探测器与一排激光器一一对应设置。每排激光器和每排光电探测器分别沿着运动人体的行进方向设置，同排的激光器和同排的光电探测器的设置高度相等。激光器用于发射激光，至少一排激光器的设置高度对应所述运动人体的手部，至少一排激光器的设置高度对应所述运动人体的腿部。相应地，多排光电探测器用于采集运动人体的手部或腿部的运动电信号，其中，至少一排光电探测器用于采集运动人体的手部的运动电信号，至少一排光电探测器用于采集运动人体的腿部的运动电信号。
手部包括运动人体的手掌、手肘、手臂和肩部这些部位，腿部包括小腿、膝盖和大腿这些部位。当光电探测器为两排，一排光电探测器用于探测运动人体的手部的某一部位，另一排光电探测器用于探测腿部的某一部位；当光电探测器为多排，一排光电探测器用于探测手部的某一部位，另一排光电探测器用于探测腿部的某一部位，其他排光电探测器用于探测手部或腿部的其他部位。通过设置多排光电探测器采集运动人体的手部或腿部的运动电信号，可探测到运动人体的更丰富的步态信息，因此提高探测识别的精确度。
当运动人体在探测空间行走时，若激光器发射的激光被运动人体的手部或腿部遮挡，与之相应的光电探测器探测不到激光，输出的电信号为低电平；反之，若激光器发射的激光未被运动人体遮挡，与之相应的光电探测器探测到激光，输出的电信号为高电平。本领域技术人员可以理解，输出的电信号的电平高低与所选择的光电探测器相关，光电探测器可根据实际需求进行选择，本发明对此不做具体限定。基于此，运动人体在探测空间行走过程中，至少两排光电探测器分别探测所述运动人体的手部的运动电信号和腿部的运动电信号，手部的运动电信号和腿部的运动电信号包括运动人体的步态信息。
步骤102、分别二进制化每排的多个所述运动电信号并进行或运算合成运动二进制信号。
其中，每排光电探测器包括多个光电探测器，因而每排光电探测器采集到多个运动电信号。需要说明的是，每排光电探测器的数量可以相等也可以不等。
针对每排光电探测器，将多个运动电信号分别转换成二进制信号，并将多个二进制化后的运动电信号进行或运算，合成运动二进制信号。针对多排光电探测器获得多个运动二进制信号。
在将电信号二进制化时，比如电平高于某个阈值对应产生“0”信号，低于某个阈值对应产生“1”信号。本领域技术人员可以理解，高低电平对应“1”和“0”信号的设置可以根据实际需求进行选择，本发明对此不做具体限定。此外，电信号的二进制化为本领域常规技术，此处不再赘述。
再将二进制化后的电信号进行或运算时，以同排包括3个运动电信号为例进行说明，若3个二进制化后的运动电信号依次为[1010……]、[1110……]和[0010……]，则三者进行或运算得到的运动二进制信号为[1110……]。其中，运动二进制信号的第一位“1”为3个二进制化后的运动电信号的第一位“1”、“1”和“0”进行或运算得到，以此类推。当3个二进制信号中至少有一个为“1”信号时，经过或运算合成得到“1”信号；当3个二进制信号中全部为“0”信号时，经过或运算合成得到“0”信号。
此步骤中，通过将电信号二进制化，系统的数据冗余度小，输出数据总量小，一般为几个比特，当需要增加光电探测器的数量时，总的输出数据量通常也不过几十比特，大大节省了通信资源和计算资源。
步骤103、根据至少两个所述运动二进制信号进行特征提取并计算，根据计算结果进行步态识别。
其中，由于光电探测器为至少两排，因此得到的运动二进制信号为至少两个，根据至少两个运动二进制信号进行特征提取并计算，根据计算结果进行步态识别。
在其中一个最简单的实施例中，光电探测器为两排，一排探测手部的运动电信号，一排探测腿部的运动电信号，得到两个运动二进制信号A和B，如图2所示，基于运动二进制信号A和运动二进制信号B进行统计学特征提取与计算，得到动态特征ρij和静态特征Pij，i和j均分别取0或1。所述动态特征ρij为每个所述运动二进制信号内部0和1信号交替出现的概率，包括ρ00、ρ01、ρ10和ρ11；所述静态特征Pij为两个所述运动二进制信号之间0和1信号成对出现的概率，包括P00、P01、P10和P11。其中，ρ00为某个时间段所述运动二进制信号内部连续两次出现0信号的概率；ρ01为某个时间段所述运动二进制信号内部先后相继出现0信号和1信号的概率；P10为某个时间段的某个时刻运动二进制信号A为“1”信号，运动二进制信号B为“0”信号的概率，其他以此类推。
在其他复杂的实施例中，包括多排光电探测器，获得多个运动二进制信号，所述动态特征为每个运动二进制信号内部0和1信号交替出现的概率；所述静态特征为多个运动二进制信号中两个所述运动二进制信号之间0和1信号成对出现的概率。
一方面，基于计算出的动态特征ρij和静态特征Pij进行步态是否失调的识别。具体地，计算多个等长时间段的动态特征ρij和静态特征Pij，若多个时间段的重复性高出某个预设阈值，则识别出运动人体的步态不失调；若多个时间段的重复性等于或低于某个预设阈值，则识别出运动人体的步态失调。本领域技术人员可以理解，预设阈值的设置可以根据实际需求进行选择，本发明对此条件不做具体限定。比如：若独臂或独腿的残疾人、酒醉者、步履不稳的孩童或病患、手脚摆动混乱或随机改变走动方向的运动人体在运动空间进行测试，将识别出步态失调。
另一方面，基于计算出的动态特征ρij和静态特征Pij识别步态特征对应的运动人体，即进行人体识别。具体地，计算某个较长时间段的动态特征ρij和静态特征Pij，分别与数据库中预存储的多组参数进行比较，需要指出的是，此处描述的“较长时间段”相较于前段所述的“等长时间段”而言，本发明对时间段的长短不做具体限定。在其中最简单的一种具体实施方式中，取比较结果中差值最小的那组参数所对应的某人作为识别对象。但要更准确一点，针对比较结果的差值还可以多设几个预设条件，例如，取差值最小并且小于某个阈值的那组参数所对应的某人作为识别对象。本领域技术人员可以理解，具体条件的设定可以根据实际情况进行选择，本发明对此条件不做具体限定。此处还需要指出的是，若不存在满足预设条件的预存储参数，说明针对运动空间探测的运动人体并未存在与之对应的人体身份数据，此时，可以将该人的身份信息和步态特征进行存储，扩大数据库的数据量，方便后续进行基于步态的人体识别。
此步骤中，运动二进制信号本身几乎就是特征，加上简单算法即计算出步态特征，技术复杂度低，数据总量小，进一步节省了通信资源和计算资源。
本实施例通过将手部或腿部的运动电信号分别转换成二进制信号后再进行或运算合成手部或腿部的运动二进制信号，从而使得多个光电探测器的数据压缩融合且二进制化，使得系统输出的数据量小，提高了效率。此外，手部和腿部的运动二进制信号本身几乎就是步态特征，只需要加上简单统计算法即可计算出需要的步态特征，计算复杂度低，进一步节省了计算资源。本实施例方法的以上特点使得其对硬件性能的要求不高，便于各种小型系统的应用，便于各种场合的应用推广。
实施例二
图3为本发明实施例二提供的一种用于运动人体的步态识别的方法，本实施例以上述实施例方案为基础，进行了优化改进，特别是提供了包括三种步态参数的步态识别的具体步骤。该方法包括：
步骤201、获取通过多排光电探测器采集到的所述运动人体的运动电信号；至少一排光电探测器用于采集所述运动人体的手部的运动电信号，且至少一排光电探测器用于采集所述运动人体的腿部的运动电信号；每排光电探测器与一排激光器一一对应设置。
步骤202、分别二进制化每排的多个所述运动电信号并进行或运算合成运动二进制信号。
步骤S203、根据至少两个所述运动二进制信号提取并计算得到动态特征ρij和静态特征Pij。
同前实施例一中所述，基于运动二进制信号进行统计学特征提取与计算，得到动态特征ρij和静态特征Pij，i和j均分别取0或1。所述动态特征ρij包括ρ00、ρ01、ρ10和ρ11；所述静态特征Pij包括P00、P01、P10和P11。
具体地，针对每个运动二进制信号而言，根据第一时间段的所述运动二进制信号提取并计算得到动态特征ρij，合成手部动态特征向量[ρ00，ρ01，ρ10，ρ11]，每个第一时间段的时长为第一时长。针对若干个第一时间段，得到多个动态特征向量[ρ00，ρ01，ρ10，ρ11]。
结合第一时间段的任意两个所述运动二进制信号提取并计算得到第一静态特征P1ij，合成静态特征向量[P100，P101，P110，P111]。
根据第二时间段的任意两个运动二进制信号提取并计算得到第二静态特征P2ij，第二时间段的时长为第二时长，通常情况下，第二时长大于第一时长。第二静态特征P2ij包括：P200，P201，P210和P211。本领域技术人员可以理解，可根据实际需要对时间段的长短进行设置，本发明对时间段的长短不做具体限定。
步骤S204、基于动态特征ρij和静态特征Pij计算对称性参数、平衡性参数和协调性参数；
其中，对称性参数反映双手或双腿运动时的对称性，可以识别是否某个手或腿和另外一个有不同。平衡性参数反映手或腿运动特征的方差大小，可以识别步态前后是否一致。协调性参数反映手或腿运动特征的可重复性，可以识别步态是否形成和谐的周期。
计算每个运动二进制信号的多个动态特征向量[ρ00，ρ01，ρ10，ρ11]的方差得到平衡性参数；计算两个所述运动二进制信号的多个所述静态特征向量[P100，P101，P110，P111]的方差得到协调性参数；基于所述第二静态特征P2ij得到对称性参数。
其中，基于所述第二静态特征P2ij得到任意两排光电探测器之间的手腿运动相关性特征θ12：
若仅包括两排光电探测器，得到一组第二静态特征P2ij，对称性参数通过手腿运动相关性特征θ12来衡量；若包括多排光电探测器，得到多组第二静态特征P2ij，第二静态特征P2ij的组数为Cn 2，其中n为光电探测器的排数，具体地，以三排光电探测器为例进行说明，C3 2＝3，即得到三组第二静态特征P2ij，对称性参数通过手腿运动相关性特征θ123来衡量，
θ123＝θ12·θ13·θ23。
其中，θ13和θ23的计算方法与θ12相同，此处不再赘述。
步骤S205、将所述对称性参数、平衡性参数和协调性参数分别与预设的阈值进行比较得出步态识别结果。
步态的对称性通过对称性参数来衡量，手腿运动相关性特征越大说明对称性越好，反之则对称性越差。步态的平衡性通过平衡性参数来衡量，平衡性参数越小，说明步态平衡性越好，反之则平衡性越差。步态的协调性通过协调性参数来衡量，协调性参数越小，说明步态协调性越好，反之则协调性差。此外，不同人体的对称性、平衡性和协调性不同，则相应地，对称性参数、平衡性参数和协调性参数存在差异。
一方面，基于计算出的对称性参数、平衡性参数和协调性参数进行步态是否失调的识别。具体地，若对称性参数高出某个预设阈值，平衡性参数和协调性参数分别低于某个预设阈值，则识别出运动人体的步态不失调；若对称性参数等于或低于某个预设阈值，或平衡性参数和协调性参数高于或等于某个预设阈值，则识别出运动人体的步态失调。本领域技术人员可以理解，预设阈值的设置可以根据实际需求进行选择，本发明对此条件不做具体限定。
另一方面，基于计算出的对称性参数、平衡性参数和协调性参数识别步态特征对应的运动人体，即进行人体识别。具体地，计算对称性参数、平衡性参数和协调性参数，分别与数据库中预存储的多组参数进行比较。在其中最简单的一种具体实施方式中，取比较结果中差值最小的那组参数所对应的某人作为识别对象。但要更准确一点，针对比较结果的差值还可以多设几个预设条件，例如，取差值最小并且小于某个阈值的那组参数所对应的某人作为识别对象。本领域技术人员可以理解，具体条件的设定可以根据实际情况进行选择，本发明对此条件不做具体限定。此处还需要指出的是，若不存在满足预设条件的预存储参数，说明针对运动空间探测的运动人体并未存在与之对应的人体身份数据，此时，可以将该人的身份信息和步态特征进行存储，扩大数据库的数据量，方便后续进行基于步态的人体识别。
本实施例提出了一种包括三种步态参数的步态失调识别方法，由于三种参数的算法简单，整体方法更简洁高效。
以下是本发明具体实施方式中提供的一种用于运动人体的步态识别的装置的实施例，装置的实施例基于上述的方法的实施例实现，在装置中未尽的描述，请参考前述方法的实施例。
实施例三
如图4所示，本实施例提供了一种用于运动人体的步态识别的装置300，包括：信号接收模块301、信号转换合成模块302和识别模块303。
信号接收模块301，用于获取通过多排光电探测器采集到的所述运动人体的运动电信号；至少一排光电探测器用于采集所述运动人体的手部的运动电信号，且至少一排光电探测器用于采集所述运动人体的腿部的运动电信号；每排光电探测器与一排激光器一一对应设置。
信号转换合成模块302，用于分别二进制化每排的多个所述运动电信号并进行或运算合成运动二进制信号。
识别模块303，用于根据至少两个所述运动二进制信号进行特征提取并计算，根据计算结果进行步态识别。
本实施例通过将手部或腿部的运动电信号分别转换成二进制信号后再进行或运算合成手部或腿部的运动二进制信号，从而使得多个光电探测器的数据压缩融合且二进制化，使得系统输出的数据量小，提高了效率。此外，手部和腿部的运动二进制信号本身几乎就是步态特征，只需要加上简单统计算法即可计算出需要的步态特征，计算复杂度低，进一步节省了计算资源。
实施例四
实施例四为本发明提供的一种用于运动人体的步态识别的系统，如图5所示，该系统包括：上排激光器101、下排激光器102、上排光电探测器201、下排光电探测器202和上述实施例三所述的装置300；所述上排光电探测器201用于采集所述运动人体的手部的运动电信号，并将手部的所述运动电信号发送给所述装置300的信号接收模块301；所述下排光电探测器202用于采集所述运动人体的腿部的运动电信号，并将腿部的所述运动电信号发送给所述装置300的信号接收模块301；上排光电探测器201与上排激光器101一一对应设置，下排光电探测器202与下排激光器102一一对应设置。
上排光电探测器201和下排光电探测器202与信号接收模块301之间的连接可以为有线连接，也可以为无线的连接方式。采用无线的连接方式能够进一步简化安装，方便使用。
其中，上排激光器101、下排激光器102、上排光电探测器201和下排光电探测器202组成激光传感网。具体地，上排激光器101、下排激光器102、上排光电探测器201和下排光电探测器202分别沿着所述运动人体的行进方向设置。同排的激光器和同排的光电探测器的设置高度相等。当运动人体在激光传感网中行走时，光电探测器获得运动人体的步态信号。
在其中一个实施例中，上排光电探测器201和下排光电探测器202均包括3个光电探测器，相应地，上排激光器101和下排激光器102均包括3个激光器，两排激光器和两排光电探测器布置在运动空间的俯视图如图6所示，只展示两排光电探测器布置在运动空间的侧视图如图7所示，下排激光器102包括第一激光器1、第二激光器2和第三激光器3，上排激光器101包括第四激光器4、第五激光器5和第六激光器6；下排光电探测器202包括第一光电探测器1’、第二光电探测器2’和第三光电探测器3’，上排光电探测器201包括第四光电探测器4’、第五光电探测器5’和第六光电探测器6’。此时，上排光电探测器共获得运动人体8的3个手部的运动电信号，下排光电探测器共获得3个腿部的运动电信号。
上排激光器101、下排激光器102、上排光电探测器201和下排光电探测器202均布置于运动空间的第一安装面，与第一安装面相对的第二安装面上相应位置布置反射镜阵列7，以使上排激光器101发出的激光经反射后回到上排光电探测器201上，下排激光器102发出的激光经反射后回到下排光电探测器202上。上排光电探测器201和上排激光器101布置于第一安装面的第一高度，下排光电探测器202和下排激光器102布置于第一安装面的第二高度。
上排激光器101、下排激光器102、上排光电探测器201和下排光电探测器202分别等间距排列。上排激光器101、下排激光器102、上排光电探测器201和下排光电探测器202之间彼此错位，上排激光器101和上排光电探测器201交替设置形成6条等间距的激光束，下排激光器102和下排光电探测器202交替设置形成6条等间距的激光束。
第一激光器1、第二激光器2、第三激光器3、第四激光器4、第五激光器5、第六激光器6、第一光电探测器1’、第二光电探测器2’、第三光电探测器3’、第四光电探测器4’、第五光电探测器5’和第六光电探测器6’组成激光传感网，依赖反射镜阵列7在运动人体8的行进路径上形成12条激光束，上排6条激光束用于探测运动人体8的手部的步态信息，下排6条激光束用于探测运动人体8的腿部的步态信息。进一步地，12条激光束等间距设置，如图6所示，相邻两条激光束之间的间距d与运动人体8的步长相当，通常情况下d取70-120cm之间的数值。通过这种设置，能够更有效地探测到运动人体的步态信息，从而提高识别的精度。
本实施例提供的基于激光传感网的识别系统，设备体积小，安装方便，系统简单，能耗低，成本低，具有很强的产业化可行性。
在其他实施例中，光电探测器的排数可以设置为多排，相应地，激光器的排数和反射镜阵列的排数也相应增加。多排光电探测器中的一排用于探测运动人体的手部某一部位的运动电信号，一排用于探测腿部的某一部位的运动电信号，其余排的用于探测手部或腿部的其余部位的运动电信号。本发明不限制光电探测器的具体排数，采用多排光电探测器时的设计原理同两排光电探测器的原理。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种用于运动人体的步态识别的方法，其特征在于，包括：
获取通过多排光电探测器采集到的所述运动人体的运动电信号；至少一排光电探测器用于采集所述运动人体的手部的运动电信号，至少一排光电探测器用于采集所述运动人体的腿部的运动电信号；每排光电探测器与一排激光器一一对应设置；
分别二进制化每排的多个所述运动电信号并进行或运算合成运动二进制信号；
根据至少两个所述运动二进制信号进行特征提取并计算，根据计算结果进行步态识别。
2.根据权利要求1所述的方法，其特征在于，每排激光器和每排光电探测器分别沿着所述运动人体的行进方向设置，同排的激光器和同排的光电探测器的设置高度相等。
3.根据权利要求1所述的方法，其特征在于，根据至少两个所述运动二进制信号进行特征提取并计算，根据计算结果进行步态识别，具体包括：
根据至少两个所述运动二进制信号提取并计算得到动态特征和静态特征；基于所述动态特征和静态特征计算对称性参数、平衡性参数和协调性参数；将所述对称性参数、平衡性参数和协调性参数分别与预设的阈值进行比较得出步态识别结果。
4.根据权利要求3所述的方法，其特征在于，所述动态特征为每个所述运动二进制信号内部0和1信号交替出现的概率；所述静态特征为两个所述运动二进制信号之间0和1信号成对出现的概率。
5.根据权利要求1-3任一项所述的方法，其特征在于，根据至少两个所述运动二进制信号进行特征提取并计算，根据计算结果进行步态识别，具体包括：
根据第一时间段的所述运动二进制信号提取并计算得到动态特征，合成动态特征向量，计算每个所述运动二进制信号的多个第一时间段的所述动态特征向量的方差得到平衡性参数；结合第一时间段的两个所述运动二进制信号提取并计算得到第一静态特征，合成静态特征向量，计算两个所述运动二进制信号的多个第一时间段的所述静态特征向量的方差得到协调性参数；
根据第二时间段的两个所述运动二进制信号提取并计算得到第二静态特征，基于所述第二静态特征得到对称性参数；
将所述对称性参数、平衡性参数和协调性参数分别与预设的阈值进行比较得出步态识别结果。
6.一种用于运动人体的步态识别的装置，其特征在于，包括：
信号接收模块，用于获取通过多排光电探测器采集到的所述运动人体的运动电信号；至少一排光电探测器用于采集所述运动人体的手部的运动电信号，且至少一排光电探测器用于采集所述运动人体的腿部的运动电信号；每排光电探测器与一排激光器一一对应设置；
信号转换合成模块，用于分别二进制化每排的多个所述运动电信号并进行或运算合成运动二进制信号；
识别模块，用于根据至少两个所述运动二进制信号进行特征提取并计算，根据计算结果进行步态识别。
7.一种用于运动人体的步态识别的系统，其特征在于，包括：至少两排光电探测器、至少两排激光器和如权利要求6所述的装置；至少一排所述光电探测器用于采集所述运动人体的手部的运动电信号并将手部的所述运动电信号发送给所述装置的信号接收模块，且至少一排光电探测器用于采集所述运动人体的腿部的运动电信号并将腿部的所述运动电信号发送给所述装置的信号接收模块；每排光电探测器与一排激光器一一对应设置。
8.根据权利要求7所述的系统，其特征在于，每排所述光电探测器和每排所述激光器分别沿着所述运动人体的行进方向设置，同排的激光器和同排的光电探测器的设置高度相等。
9.根据权利要求7所述的系统，其特征在于，所述光电探测器和所述激光器均布置于第一安装面，与所述第一安装面相对的第二安装面上相应位置布置反射镜阵列，以使所述激光器发出的激光经反射后回到所述光电探测器上。
10.根据权利要求9所述的系统，其特征在于，每排所述光电探测器和与其对应设置的一排激光器布置于第一安装面的同一高度。
CN201710607972.0A 2017-07-24 2017-07-24 用于运动人体的步态识别的方法、装置及系统 Pending CN107440722A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710607972.0A CN107440722A (zh) 2017-07-24 2017-07-24 用于运动人体的步态识别的方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710607972.0A CN107440722A (zh) 2017-07-24 2017-07-24 用于运动人体的步态识别的方法、装置及系统

Publications (1)

Publication Number Publication Date
CN107440722A true CN107440722A (zh) 2017-12-08

Family

ID=60488001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710607972.0A Pending CN107440722A (zh) 2017-07-24 2017-07-24 用于运动人体的步态识别的方法、装置及系统

Country Status (1)

Country Link
CN (1) CN107440722A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109634981A (zh) * 2018-12-11 2019-04-16 银河水滴科技（北京）有限公司 一种数据库扩充方法及装置
CN111374676A (zh) * 2020-03-09 2020-07-07 南方科技大学 人体地面反力间接测量系统、测量方法、装置及控制器
CN111528804A (zh) * 2020-05-21 2020-08-14 上海体育学院 一种人体平衡能力的检测装置系统
CN113171083A (zh) * 2021-04-30 2021-07-27 武汉体育学院 一种三维光幕式平衡分析仪及其控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874874A (zh) * 2017-02-16 2017-06-20 南方科技大学 一种运动状态的识别方法及装置
CN106955111A (zh) * 2017-04-21 2017-07-18 海南大学 基于表面肌电信号的脑瘫儿步态识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874874A (zh) * 2017-02-16 2017-06-20 南方科技大学 一种运动状态的识别方法及装置
CN106955111A (zh) * 2017-04-21 2017-07-18 海南大学 基于表面肌电信号的脑瘫儿步态识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RUI MA ET AL: "A Wireless Laser Sensor Web for Human Gait Disorder Recognition Based on the Buffons Needle Model", 《PROC. OF IEEE CONF. ON SENSORS》 *
李树人等: "《转速测量技术》", 31 October 1986 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109634981A (zh) * 2018-12-11 2019-04-16 银河水滴科技（北京）有限公司 一种数据库扩充方法及装置
CN111374676A (zh) * 2020-03-09 2020-07-07 南方科技大学 人体地面反力间接测量系统、测量方法、装置及控制器
CN111374676B (zh) * 2020-03-09 2022-10-11 南方科技大学 人体地面反力间接测量系统、测量方法、装置及控制器
CN111528804A (zh) * 2020-05-21 2020-08-14 上海体育学院 一种人体平衡能力的检测装置系统
CN111528804B (zh) * 2020-05-21 2023-02-17 上海体育学院 一种人体平衡能力的检测装置系统
CN113171083A (zh) * 2021-04-30 2021-07-27 武汉体育学院 一种三维光幕式平衡分析仪及其控制方法

Similar Documents

Publication Publication Date Title
CN107440722A (zh) 用于运动人体的步态识别的方法、装置及系统
Gu et al. Accurate step length estimation for pedestrian dead reckoning localization using stacked autoencoders
CN109579853B (zh) 基于bp神经网络的惯性导航室内定位方法
CN104780217B (zh) 检测用户工作效率的方法、系统及客户端
CN102640085B (zh) 用于识别手势的系统和方法
Ye et al. FTrack: Infrastructure-free floor localization via mobile phone sensing
CN108703760A (zh) 基于九轴传感器的人体运动姿态识别系统及方法
CN104135911A (zh) 多轴线活动监测装置中的活动分类
CN108171278B (zh) 一种基于运动训练数据的运动模式识别方法和系统
CN102427765A (zh) 用于检测佩戴位置的感测设备
CN103699795A (zh) 一种运动行为识别方法、装置及运动强度监测系统
Shao et al. DePedo: Anti periodic negative-step movement pedometer with deep convolutional neural networks
CN203039726U (zh) 人体三维空间姿态识别系统
McCarthy et al. Decision‐tree‐based human activity classification algorithm using single‐channel foot‐mounted gyroscope
CN105771224B (zh) 一种基于多传感器的运动评估系统
US20240096136A1 (en) System And Method For Exercise Type Recognition Using Wearables
Kumar et al. A unified grid-based wandering pattern detection algorithm
Marron et al. Multi sensor system for pedestrian tracking and activity recognition in indoor environments
CN108827290A (zh) 一种人体运动状态反演装置及方法
Sehirli et al. Detecting face-touch hand moves using smartwatch inertial sensors and convolutional neural networks
Yang et al. Real-time human activity classification by accelerometer embedded wearable devices
CN107270931A (zh) 一种IOS和android平台通用的步态自相关计步器
Al Abiad et al. Smartphone inertial sensors based step detection driven by human gait learning
Qu et al. Convolutional neural network for human behavior recognition based on smart bracelet
CN109084763A (zh) 基于姿态角度测量的穿戴式三维室内定位装置及方法

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

Application publication date: 20171208

RJ01 Rejection of invention patent application after publication