CN108334827A - 一种基于智能鞋的步态身份认证方法及智能鞋 - Google Patents
一种基于智能鞋的步态身份认证方法及智能鞋 Download PDFInfo
- Publication number
- CN108334827A CN108334827A CN201810064743.3A CN201810064743A CN108334827A CN 108334827 A CN108334827 A CN 108334827A CN 201810064743 A CN201810064743 A CN 201810064743A CN 108334827 A CN108334827 A CN 108334827A
- Authority
- CN
- China
- Prior art keywords
- gait
- intelligent shoe
- imu
- module
- calculating
- 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.)
- Granted
Links
- 230000005021 gait Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000001133 acceleration Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000009434 installation Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 241001062009 Indigofera Species 0.000 description 1
- 102000004603 Vesicle-Associated Membrane Protein 1 Human genes 0.000 description 1
- 108010017743 Vesicle-Associated Membrane Protein 1 Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
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
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Psychiatry (AREA)
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于智能鞋的步态身份认证方法,通过设置在智能鞋内的IMU惯性传感器模块手机个人步态身份认证所需的参数,经MCU主控模块处理的数据通过蓝牙模块传输至移动终端,在通过算法模块进行身份识别。本发明通过穿戴设置有IMU惯性传感器模块的鞋采集信息,可以做到非接触、远距离的识别,步态识别成本低、方便携带、功耗小、环境适应能力强,不依赖视频设备,价格较低,且不会受到光线及障碍物的遮挡等限制。
Description
技术领域
本发明涉及身份识别技术领域,尤其涉及一种基于智能鞋的步态身份认证方法。
背景技术
对于个人身份认证,生物识别是最常使用的技术手段之一。它是指利用计算机对人体的生理或行为特征进行分析,从而识别出个人身份。在当今信息化时代,如何准确地识别出一个人的身份、保护信息安全已成为社会关注的焦点。例如,采用人脸识别技术进行“刷脸支付”正处在商业化的进程中。常用的生物识别方法包括指纹识别、人脸识别、虹膜识别等,然而这些方法受限于距离的限制,即只有在近距离的情况下才能准确地识别。步态识别是一种新的生物识别技术,它具有非接触、远距离和不容易伪装等特点,目前正逐步兴起并应用。传统的步态识别方法是基于视频设备,然而其费用昂贵、且容易受到光线及障碍物的遮挡等限制。为此,本发明提出一种基于智能穿戴设备(智能鞋)的步态识别方法,通过采集加速度和角速度数据,提取重要的步态参数,进而采用机器学习技术识别出个人身份。该方法使用简单、成本较低、准确性高,可以在大范围任意环境下使用。
如中国专利申请号为:201510749195.4的发明公布了一种基于特征融合的步态识别身份认证方法,该方法包括:首先,摄像头实时采集当前背景图像和检测目标的步态原始图像序列,采用灰度化、欧式算法、中值滤波等方法获得二值步态图像序列;然后直接对人物轮廓像素点进行提取,获得基于高宽比的静态特征值和基于步态轮廓质心距离的动态特征值;最后利用SVM算法和贝叶斯算法相融合的新算法对检测目标分类,输出最终的识别结果。该方法能够快速准确地去除背景,且提高了不同环境下的适应性。但是这种方法是基于摄像头采集数据,设备价格昂贵,待识别人需要在一定距离内,易收到光线及障碍物影响,并且需要将视频数据进行识别处理,准确度下降,错误率较高。
发明内容
本发明针对现有技术的不足,提供一种基于智能鞋的步态身份认证方法。
所述认证方法采用的技术方案,包括如下步骤:
步骤1:数据采集,通过安装有MCU主控模块、IMU惯性传感器模块、蓝牙模块的智能鞋采集人体在行走过程中的加速度和角速度信号;
步骤2:步态参数的计算,根据得到的加速度和角速度信号计算得到步长、步频、步速、摆动相时间和支撑相时间、正向俯仰角和负向俯仰角;
步骤2.1:步长的计算,根据IMU惯性传感器所测数据计算步长,公式(1)为:
L=∫∫ay(t)dt…………(1)
其中,ay表示IMU采集的前进方向的加速度数据;
步骤2.2:步频的计算,IMU惯性传感器采集的角速度和角速度信号是周期性的,步数可以使用峰值检测方法统计得出,步频f的计算可以通过下列公式(2)计算得出:
其中,m为使用者所走步数,T为行走m步所用时间,f为步频;
步骤2.3:步速的计算,IMU惯性传感器测得使用者行走m步所用时间为T秒,行走距离为L米,步速的计算公式(3)如下:
步骤2.4:摆动相时间和支撑相时间的计算,步态相位包括摆动相和支撑相,摆动相时间 tSW表示脚没有接触地面所产生的时间,始于第一步态周期脚尖离地时间tTO,终于第一步态周期脚跟着地时间tHS;支撑相时间tST是指脚接触地面所产生的时间,始于第一步态周期脚跟着地时间tHS,终于下第二步态周期脚尖离地时间计算公式(4)、(5)如下:
tSW=tHS-tTO…………(4)
步骤2.5:正向俯仰角和负向俯仰角的计算,通过对角速度的积分计算正向俯仰角和负向俯仰角,计算公式(6)、(7)、(8)如下:
其中,θinit表示初始角度,ay表示静止放置时的Y轴加速度,az表示静止放置时的Z轴加速度,ωx表示X轴角速度,它们可以通过IMU惯性传感器测量获得;
步骤2.6:存储人体行走的特征数据,形成数据库
步骤3:个人身份识别,提取出步骤2中的步态参数,采用概率神经网络算法识别出个人身份,概率神经网络算法分为四层,分别为:输入层、模式层、求和层、决策层;
模式层的输出公式(9)如下:
其中,n是特征向量的维数,σ是平滑参数,ycm是第c类中训练样本m的神经元输出,xj是待测样本向量的第j个元素,是存储的样本特征向量的第j个元素;
求和层的输出公式(10)如下:
其中,Km是第c类的训练样本数量;
决策层的输出公式(11)如下:
其中,pc是每一类的先验概率。
进一步地,步骤2.1中,先定义坐标系,身体坐标系:X轴定义为垂直于脚的纵线并指向脚的右侧,Y轴定义为脚的纵轴方向,垂直于地面向上的方向为Z轴;传感器坐标系:IMU模块放置在智能鞋中,它的三轴方向和身体坐标系的方向一致。
进一步地,步骤2、步骤3中,IMU惯性传感器由于器件个体差异以及安装缘故,需在使用之前对其标度因数、零偏及安装误差进行标定,加速度计的标定模型公式(12)、(13)、(14)为:
其中Nax,Nay,Naz为加速度计输出数字量,Kax,Kay,Kaz为加速度计标度因数,K0x,K0y,K0z加速度计零偏,Ayx,Azx,Axy,Azy,Axz,Ayz加速度计安装误差系数。
本发明还提供了实施上述认证方法的设备,即一种用于步态身份认证的智能鞋,包括:鞋面,鞋底,数据采集设备,电源设备,线圈;其中数据采集设备包括:MCU主控模块、IMU 惯性传感器模块、蓝牙模块;IMU惯性传感器模块与MCU主控模块联通,MCU主控模块与蓝牙模块联通;MCU主控模块、IMU惯性传感器模块、蓝牙模块均与电源设备连接;线圈连接电源设备以及数据采集设备。
进一步地,数据采集设备、电源设备均有2个,分别设置在左脚鞋鞋底,右脚鞋鞋底中。
进一步地,MCU主控模块、IMU惯性传感器模块、蓝牙模块集成于一块电路板上。
进一步地,数据采集设备,电源设备密封于上壳体、下壳体中。
进一步地,数据采集设备和电源设备设置于鞋底。
进一步地,蓝牙模块与手机终端连接通信。
本发明的有益效果是:
1、通过穿戴设置有IMU惯性传感器模块的鞋采集信息,做到非接触、远距离的识别。
2、基于IMU惯性传感器模块的步态识别成本低、方便携带、功耗小、环境适应能力强。
3、基于IMU惯性传感器模块的步态识别不依赖视频设备,价格较低,且不会受到光线及障碍物的遮挡等限制。
附图说明
图1为智能鞋人体坐标系示意图;
图2为智能鞋传感器坐标系示意图;
图3为智能鞋的数据采集设备连接结构图;
图4为智能鞋的整体结构示意图。
图中,1-鞋面,2-鞋底,3-上壳体,4-下壳体,5-数据采集设备,51-IMU惯性传感器模块, 52-MCU主控模块,53-蓝牙模块,6-电源设备,7-线圈
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
实施例1
本发明所述认证方法,包括如下步骤:
1:数据采集,通过安装有MCU主控模块、IMU惯性传感器模块、蓝牙模块的智能鞋采集人体在行走过程中的加速度和角速度信号;
2:步态参数的计算,根据得到的加速度和角速度信号计算得到步长、步频、步速、摆动相时间和支撑相时间、正向俯仰角和负向俯仰角;
2.1:步长的计算,根据IMU惯性传感器所测数据计算步长,公式(1)为:
L=∫∫ay(t)dt…………(1)
其中,ay表示IMU采集的前进方向的加速度数据。
2.2:步频的计算,IMU惯性传感器采集的角速度和角速度信号是周期性的,步数可以使用峰值检测方法统计得出,步频f的计算可以通过下列公式(2)计算得出:
其中,m为使用者所走步数,T为行走m步所用时间,f为步频;
2.3:步速的计算,IMU惯性传感器测得使用者行走m步所用时间为T秒,行走距离为L 米,步速的计算公式(3)如下:
2.4:摆动相时间和支撑相时间的计算,步态相位包括摆动相和支撑相,摆动相时间tSW表示脚没有接触地面所产生的时间,始于第一步态周期脚尖离地时间tTO,终于第一步态周期脚跟着地时间tHS;支撑相时间tST是指脚接触地面所产生的时间,始于第一步态周期脚跟着地时间tHS,终于下第二步态周期脚尖离地时间计算公式(4)、(5)如下:
tSW=tHS-tTO…………(4)
2.5:正向俯仰角和负向俯仰角的计算,通过对角速度的积分计算正向俯仰角和负向俯仰角,计算公式(6)、(7)、(8)如下:
其中,θinit表示初始角度,ay表示静止放置时的Y轴加速度,az表示静止放置时的Z轴加速度,ωx表示X轴角速度,它们可以通过IMU惯性传感器测量获得;
2.6:存储人体行走的特征数据,形成数据库
3:个人身份识别,提取出步骤2中的步态参数,采用概率神经网络算法识别出个人身份,概率神经网络算法分为四层,分别为:输入层、模式层、求和层、决策层;
模式层的输出公式(9)如下:
其中,n是特征向量的维数,σ是平滑参数,ycm是第c类中训练样本m的神经元输出,xj是待测样本向量的第j个元素,是存储的样本特征向量的第j个元素;
求和层的输出公式(10)如下:
其中,Km是第c类的训练样本数量;
决策层的输出公式(11)如下:
其中,pc是每一类的先验概率。
进一步地,如图1、图2所示,在步骤2.1中,先定义坐标系,身体坐标系:X轴定义为垂直于脚的纵线并指向脚的右侧,Y轴定义为脚的纵轴方向,垂直于地面向上的方向为Z轴;传感器坐标系:IMU模块放置在智能鞋中,它的三轴方向和身体坐标系的方向一致。
进一步地,步骤2、步骤3中,IMU惯性传感器由于器件个体差异以及安装缘故,需在使用之前对其标度因数、零偏及安装误差进行标定,加速度计的标定模型公式(12)、(13)、(14)为:
其中Nax,Nay,Naz为加速度计输出数字量,Kax,Kay,Kaz为加速度计标度因数,K0x,K0y,K0z加速度计零偏,Ayx,Azx,Axy,Azy,Axz,Ayz加速度计安装误差系数。
对于所述认证方法能够通过如下装置进行,如图3、图4所示,一种用于步态身份认证的智能鞋,包括:鞋面1,鞋底2,数据采集设备5,电源设备6,线圈7;其中数据采集设备5包括:MCU主控模块52、IMU惯性传感器模块51、蓝牙模块53;IMU惯性传感器模块51 与MCU主控模块52联通,MCU主控模块52与蓝牙模块53联通;MCU主控模块52、IMU惯性传感器模块51、蓝牙模块53均与电源设备连接;线圈7连接电源设备6以及数据采集设备5,线圈7用于无线充电。
进一步地,数据采集设备5、电源设备6均有2个,分别设置在左脚鞋鞋底,右脚鞋鞋底中。
进一步地,MCU主控模块52、IMU惯性传感器模块51、蓝牙模块53集成于一块电路板上;
进一步地,数据采集设备5,电源设备6密封于上壳体、下壳体中。
进一步地,数据采集设备5和电源设备6设置于鞋底。
进一步地,蓝牙模块53与手机终端连接通信。
本发明不限于上述实施方式,本领域技术人员所做出的对上述实施方式任何显而易见的改进或变更,都不会超出本发明的构思和所附权利要求的保护范围。
Claims (9)
1.一种基于智能鞋的步态身份认证方法,其特征在于,包括如下步骤:
步骤1:数据采集,通过安装有MCU主控模块、IMU惯性传感器模块、蓝牙模块的智能鞋采集人体在行走过程中的加速度和角速度信号;
步骤2:步态参数的计算,根据得到的加速度和角速度信号计算得到步长、步频、步速、摆动相时间和支撑相时间、正向俯仰角和负向俯仰角;
步骤2.1:步长的计算,根据IMU惯性传感器所测数据计算步长,公式(1)为:
L=∫∫ay(t)dt…………(1)
其中,ay表示IMU采集的前进方向的加速度数据;
步骤2.2:步频的计算,IMU惯性传感器采集的角速度和角速度信号是周期性的,步数可以使用峰值检测方法统计得出,步频f的计算可以通过下列公式(2)计算得出:
其中,m为使用者所走步数,T为行走m步所用时间,f为步频;
步骤2.3:步速的计算,IMU惯性传感器测得使用者行走m步所用时间为T秒,行走距离为L米,步速的计算公式(3)如下:
步骤2.4:摆动相时间和支撑相时间的计算,步态相位包括摆动相和支撑相,摆动相时间tSW表示脚没有接触地面所产生的时间,始于第一步态周期脚尖离地时间tTO,终于第一步态周期脚跟着地时间tHS;支撑相时间tST是指脚接触地面所产生的时间,始于第一步态周期脚跟着地时间tHS,终于下第二步态周期脚尖离地时间计算公式(4)、(5)如下:
tSW=tHS-tTO…………(4)
步骤2.5:正向俯仰角和负向俯仰角的计算,通过对角速度的积分计算正向俯仰角和负向俯仰角,计算公式(6)、(7)、(8)如下:
其中,θinit表示初始角度,ay表示静止放置时的Y轴加速度,az表示静止放置时的Z轴加速度,ωx表示X轴角速度,它们可以通过IMU惯性传感器测量获得;
步骤2.6:存储人体行走的特征数据,形成数据库
步骤3:个人身份识别,提取出步骤2中的步态参数,采用概率神经网络算法识别出个人身份,概率神经网络算法分为四层,分别为:输入层、模式层、求和层、决策层;
模式层的输出公式(9)如下:
其中,n是特征向量的维数,σ是平滑参数,ycm是第c类中训练样本m的神经元输出,xj是待测样本向量的第j个元素,是存储的样本特征向量的第j个元素;
求和层的输出公式(10)如下:
其中,Km是第c类的训练样本数量;
决策层的输出公式(11)如下:
其中,pc是每一类的先验概率。
2.根据权利要求1所述的一种基于智能鞋的步态身份认证方法,其特征在于,所述步骤2.1中,先定义坐标系,身体坐标系:X轴定义为垂直于脚的纵线并指向脚的右侧,Y轴定义为脚的纵轴方向,垂直于地面向上的方向为Z轴;传感器坐标系:IMU模块放置在智能鞋中,它的三轴方向和身体坐标系的方向一致。
3.根据权利要求1所述的一种基于智能鞋的步态身份认证方法,其特征在于,所述步骤2、步骤3中,IMU惯性传感器由于器件个体差异以及安装缘故,需在使用之前对其标度因数、零偏及安装误差进行标定,加速度计的标定模型公式(12)、(13)、(14)为:
其中Nax,Nay,Naz为加速度计输出数字量,Kax,Kay,Kaz为加速度计标度因数,K0x,K0y,K0z加速度计零偏,Ayx,Azx,Axy,Azy,Axz,Ayz加速度计安装误差系数。
4.一种用于步态身份认证的智能鞋,其特征在于,包括:鞋面,鞋底,数据采集设备,电源设备,线圈;其中数据采集设备包括:MCU主控模块、IMU惯性传感器模块、蓝牙模块;IMU惯性传感器模块与MCU主控模块联通,MCU主控模块与蓝牙模块联通;MCU主控模块、IMU惯性传感器模块、蓝牙模块均与电源设备连接;线圈连接电源设备以及数据采集设备。
5.根据权利要求4所述的一种用于步态身份认证的智能鞋,其特征在于,所述数据采集设备、电源设备均有2个,分别设置在左脚鞋鞋底,右脚鞋鞋底中。
6.根据权利要求4所述的一种用于步态身份认证的智能鞋,其特征在于,所述MCU主控模块、IMU惯性传感器模块、蓝牙模块集成于一块电路板上。
7.根据权利要求4所述的一种用于步态身份认证的智能鞋,其特征在于,所述数据采集设备,电源设备密封于上壳体、下壳体中。
8.根据权利要求4所述的一种用于步态身份认证的智能鞋,其特征在于,所述数据采集设备和电源设备设置于鞋底。
9.根据权利要求4所述的一种用于步态身份认证的智能鞋,其特征在于,所述蓝牙模块与手机终端连接通信。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810064743.3A CN108334827B (zh) | 2018-01-23 | 2018-01-23 | 一种基于智能鞋的步态身份认证方法及智能鞋 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810064743.3A CN108334827B (zh) | 2018-01-23 | 2018-01-23 | 一种基于智能鞋的步态身份认证方法及智能鞋 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108334827A true CN108334827A (zh) | 2018-07-27 |
CN108334827B CN108334827B (zh) | 2024-03-26 |
Family
ID=62925771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810064743.3A Active CN108334827B (zh) | 2018-01-23 | 2018-01-23 | 一种基于智能鞋的步态身份认证方法及智能鞋 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108334827B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109381191A (zh) * | 2018-09-10 | 2019-02-26 | 南京航空航天大学 | 基于智能鞋进行人体运动行为判断的系统及方法 |
CN109998551A (zh) * | 2019-04-11 | 2019-07-12 | 北京航空航天大学 | 一种分段式局部峰值检测的步态相位分析方法 |
WO2020240750A1 (ja) * | 2019-05-29 | 2020-12-03 | 日本電気株式会社 | 情報処理装置、個人識別装置、個人識別システム、情報処理方法及び記憶媒体 |
CN112987944A (zh) * | 2021-03-12 | 2021-06-18 | 东莞市攀星智能运动科技有限公司 | 基于脚部姿势交互的音乐播放控制方法 |
CN113063417A (zh) * | 2021-03-12 | 2021-07-02 | 东莞市攀星智能运动科技有限公司 | 基于脚部姿态交互的控制方法 |
CN113203416A (zh) * | 2021-03-19 | 2021-08-03 | 电子科技大学 | 一种针对摆臂行人的行人航位推算方法 |
CN113891681A (zh) * | 2019-05-29 | 2022-01-04 | 日本电气株式会社 | 信息处理设备、个人识别设备、个人识别系统、信息处理方法及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011002788A2 (en) * | 2009-07-02 | 2011-01-06 | The Regents Of The University Of California | Method of assessing human fall risk using mobile systems |
CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
CN103049741A (zh) * | 2012-12-21 | 2013-04-17 | 中国科学院合肥物质科学研究院 | 基于足地作用力的步态特征提取方法及步态识别系统 |
CN104970489A (zh) * | 2014-04-02 | 2015-10-14 | 北京三星通信技术研究有限公司 | 位于足底的穿戴式智能设备 |
US20150352405A1 (en) * | 2014-06-09 | 2015-12-10 | TWD Sports Tech LLC | Audible safety and training method for sporting equipment |
CN205321359U (zh) * | 2016-02-14 | 2016-06-22 | 中国矿业大学 | 一种适用于大型室内场所的智能定位鞋 |
CN106821391A (zh) * | 2017-03-23 | 2017-06-13 | 北京精密机电控制设备研究所 | 基于惯性传感器信息融合的人体步态采集分析系统及方法 |
CN107014377A (zh) * | 2017-04-17 | 2017-08-04 | 重庆邮电大学 | 一种基于惯性定位的多功能鞋垫 |
CN107174255A (zh) * | 2017-06-15 | 2017-09-19 | 西安交通大学 | 基于Kinect体感技术的三维步态信息采集与分析方法 |
CN207767629U (zh) * | 2018-01-23 | 2018-08-28 | 大连乾函科技有限公司 | 一种用于步态身份识别的智能鞋 |
CN208876547U (zh) * | 2018-01-16 | 2019-05-21 | 大连乾函科技有限公司 | 一种基于imu惯性传感器的步态分析装置 |
-
2018
- 2018-01-23 CN CN201810064743.3A patent/CN108334827B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011002788A2 (en) * | 2009-07-02 | 2011-01-06 | The Regents Of The University Of California | Method of assessing human fall risk using mobile systems |
CN102824177A (zh) * | 2012-07-25 | 2012-12-19 | 王哲龙 | 一种三维人体步态定量分析系统和方法 |
CN103049741A (zh) * | 2012-12-21 | 2013-04-17 | 中国科学院合肥物质科学研究院 | 基于足地作用力的步态特征提取方法及步态识别系统 |
CN104970489A (zh) * | 2014-04-02 | 2015-10-14 | 北京三星通信技术研究有限公司 | 位于足底的穿戴式智能设备 |
US20150352405A1 (en) * | 2014-06-09 | 2015-12-10 | TWD Sports Tech LLC | Audible safety and training method for sporting equipment |
CN205321359U (zh) * | 2016-02-14 | 2016-06-22 | 中国矿业大学 | 一种适用于大型室内场所的智能定位鞋 |
CN106821391A (zh) * | 2017-03-23 | 2017-06-13 | 北京精密机电控制设备研究所 | 基于惯性传感器信息融合的人体步态采集分析系统及方法 |
CN107014377A (zh) * | 2017-04-17 | 2017-08-04 | 重庆邮电大学 | 一种基于惯性定位的多功能鞋垫 |
CN107174255A (zh) * | 2017-06-15 | 2017-09-19 | 西安交通大学 | 基于Kinect体感技术的三维步态信息采集与分析方法 |
CN208876547U (zh) * | 2018-01-16 | 2019-05-21 | 大连乾函科技有限公司 | 一种基于imu惯性传感器的步态分析装置 |
CN207767629U (zh) * | 2018-01-23 | 2018-08-28 | 大连乾函科技有限公司 | 一种用于步态身份识别的智能鞋 |
Non-Patent Citations (1)
Title |
---|
陶帅等: ""步态检测设备联合量表评估认知功能和跌倒风险的应用初探"", 《中国老年保健医学》, vol. 15, no. 5, pages 26 - 28 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109381191A (zh) * | 2018-09-10 | 2019-02-26 | 南京航空航天大学 | 基于智能鞋进行人体运动行为判断的系统及方法 |
CN109998551A (zh) * | 2019-04-11 | 2019-07-12 | 北京航空航天大学 | 一种分段式局部峰值检测的步态相位分析方法 |
WO2020240750A1 (ja) * | 2019-05-29 | 2020-12-03 | 日本電気株式会社 | 情報処理装置、個人識別装置、個人識別システム、情報処理方法及び記憶媒体 |
JPWO2020240750A1 (zh) * | 2019-05-29 | 2020-12-03 | ||
CN113891681A (zh) * | 2019-05-29 | 2022-01-04 | 日本电气株式会社 | 信息处理设备、个人识别设备、个人识别系统、信息处理方法及存储介质 |
EP3977926A4 (en) * | 2019-05-29 | 2022-06-15 | NEC Corporation | INFORMATION PROCESSING DEVICE, PERSONAL IDENTIFICATION DEVICE, PERSONAL IDENTIFICATION SYSTEM, INFORMATION PROCESSING METHOD AND STORAGE MEDIUM |
JP7251621B2 (ja) | 2019-05-29 | 2023-04-04 | 日本電気株式会社 | 情報処理装置、個人識別装置、個人識別システム、情報処理方法及び記憶媒体 |
CN112987944A (zh) * | 2021-03-12 | 2021-06-18 | 东莞市攀星智能运动科技有限公司 | 基于脚部姿势交互的音乐播放控制方法 |
CN113063417A (zh) * | 2021-03-12 | 2021-07-02 | 东莞市攀星智能运动科技有限公司 | 基于脚部姿态交互的控制方法 |
CN113203416A (zh) * | 2021-03-19 | 2021-08-03 | 电子科技大学 | 一种针对摆臂行人的行人航位推算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108334827B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108334827A (zh) | 一种基于智能鞋的步态身份认证方法及智能鞋 | |
Gu et al. | Accurate step length estimation for pedestrian dead reckoning localization using stacked autoencoders | |
Yao et al. | Deepsense: A unified deep learning framework for time-series mobile sensing data processing | |
Ngo et al. | Similar gait action recognition using an inertial sensor | |
Yen et al. | Human daily activity recognition performed using wearable inertial sensors combined with deep learning algorithms | |
Henpraserttae et al. | Accurate activity recognition using a mobile phone regardless of device orientation and location | |
CN107590452A (zh) | 一种基于步态与人脸融合的身份识别方法及装置 | |
CN109522793A (zh) | 基于机器视觉的多人异常行为检测与识别方法 | |
CN108703760A (zh) | 基于九轴传感器的人体运动姿态识别系统及方法 | |
CN107122707A (zh) | 基于外貌特征紧凑表示的视频行人再识别方法及系统 | |
Giorgi et al. | Try walking in my shoes, if you can: Accurate gait recognition through deep learning | |
CN113516005B (zh) | 一种基于深度学习和姿态估计的舞蹈动作评价系统 | |
Chalvatzaki et al. | LSTM-based network for human gait stability prediction in an intelligent robotic rollator | |
Shao et al. | DePedo: Anti periodic negative-step movement pedometer with deep convolutional neural networks | |
CN102629320A (zh) | 基于特征层定序测量统计描述的人脸识别方法 | |
Kusakunniran et al. | Automatic gait recognition using weighted binary pattern on video | |
Riaz et al. | Move your body: Age estimation based on chest movement during normal walk | |
CN107122711A (zh) | 一种基于角度径向变换和质心的夜视视频步态识别方法 | |
CN100495427C (zh) | 复杂背景下的人耳检测及多信息融合的人耳识别方法 | |
Liu et al. | Automatic fall risk detection based on imbalanced data | |
Sher et al. | Towards personalized environment‐aware outdoor gait analysis using a smartphone | |
Bobin et al. | Smart cup to monitor stroke patients activities during everyday life | |
CN113505356A (zh) | 识别用户身份的单类分类器、识别方法、介质及计算设备 | |
US11494918B2 (en) | Moving state analysis device, moving state analysis method, and program | |
Chakraborty et al. | An approach for designing low cost deep neural network based biometric authentication model for smartphone user |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |