CN109388669A - 物联网终端运动状态获取和分析系统及方法 - Google Patents
物联网终端运动状态获取和分析系统及方法 Download PDFInfo
- Publication number
- CN109388669A CN109388669A CN201811007111.XA CN201811007111A CN109388669A CN 109388669 A CN109388669 A CN 109388669A CN 201811007111 A CN201811007111 A CN 201811007111A CN 109388669 A CN109388669 A CN 109388669A
- Authority
- CN
- China
- Prior art keywords
- motion
- terminal
- data
- database
- motion sensor
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 323
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims description 35
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 206010048669 Terminal state Diseases 0.000 claims abstract description 17
- 239000000284 extract Substances 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 47
- 238000005259 measurement Methods 0.000 claims description 27
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims 1
- 230000036544 posture Effects 0.000 claims 1
- 238000005265 energy consumption Methods 0.000 abstract 1
- 244000144972 livestock Species 0.000 description 17
- 230000001133 acceleration Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 10
- 241001465754 Metazoa Species 0.000 description 8
- 230000036541 health Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 241001494479 Pecora Species 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 241000282887 Suidae Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 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
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明提供一种物联网终端状态获取和分析系统，包括：终端,安装在目标体上，设置有识别码，至少内置运动传感器；物联网网关，接收来自终端的包括运动传感器信息在内的数据信息传输到云平台；云平台，存储若干包括运动传感器测量值数据库在内的数据库，所述运动传感器测量值数据库存储了终端的运动传感器数据以及该终端的识别码，以键值输入查询对应数据，进行运动探测运算；应用端，与云平台交互，提取运动状态数据以显示、交互或应用操作,本发明系统可进行运动状态数据生成、计算和管理，且具有功耗低距离远的优点，适合大规模推广使用；其利用物联网数据链路实时进行数据传输，降低运动状态探测应用的功耗，增加使用范围。
Description
技术领域
本发明涉及物联网领域，尤其是一种物联网终端运动状态获取和分析系统和方法。
背景技术
随着移动互联网、云计算、微机电传感器等技术的发展,正从今天的“物联网”(IoT)走入“万物互联”(IoE)的时代，通过将成千上万的传感器接入到物联网平台，能实现集合十亿甚至万亿连接的网络。而这些连接所带来的数据、信息也将被视为能有效带动传统产业转型升级和新兴产业发展,助推经济发展的重要内在动力。
“位置”是物联网系统的一个核心属性。有了位置标签，才能有效地将数据与其他数据建立连接，从而实现与空间信息相关的服务。对于特定行业的应用来说，“运动”是另一个重要信息。以现代畜牧业为例，需要知道牲畜(如牛、羊、猪、家禽)在各时刻的运动状态，才可以实现实时的牲畜的智能健康监测和管理，进而将科学的大数据分析和养殖管理体系和传统养殖技术和管理经验结合，实现智慧畜牧业。一方面，运动信息和位置信息有一定联系。得到了目标的位置数据，即可使用公式计算目标的部分运动状态，如速度、运动方向等。另一方面，还有部分运动状态需要用特定运动传感器测量或者由特定传感器数据分析得到。例如，目标运动的脚步信息需要分析加速度计或者陀螺数据来得到。
随着微机电传感器技术的发展，运动传感器(如加速度计、陀螺、视觉传感器、距离传感器、速度传感器、磁传感器等)已经普及到生活的方方面面，如智能手机、可穿戴设备、虚拟/增强显示设备等。典型应用如通过加速度计和/或陀螺进行脚步探测、运动模式识别；使用视觉传感器和/或陀螺和/或加速度计来进行目标定位定姿、增强/虚拟显示场景构建；使用陀螺、加速度计、磁强计进行九轴数据融合提供目标姿态信息；利用陀螺、加速度计、里程计数据跟踪车辆的运动，或者更进一步与视觉传感器组合进行车辆的自动泊车等。但是，目前的运动识别应用多针对个体，即为了满足个体的应用需求，如个人日常运动量监测、无人机位置姿态确定、增强现实游戏等。
综上所述，在现有的当前万物互联的大趋势下，迫切需要一个机制一个完整的系统和方法，可以方便可靠地获取大量、甚至多个种类的目标的运动数据，并对其进行管理和利用。
发明内容
本发明的目的旨在提供一种物联网终端运动状态获取和分析系统和方法,方便可靠地获取大量、多个种类的目标的运动数据，并对其进行管理和利用。
本发明旨在提供上述问题的一个解决方案,本发明中技术方案中终端可以置于多种目标上，例如行人、物品、车辆，或者畜牧,若将终端以耳标的形式装在畜牧身上，则可以为现代畜牧业提供系统的针对广域、大量畜牧终端的运动状态数据生成、计算和管理流程。
依据上述目的，本发明提供一种物联网终端运动状态获取系统，该系统地使用运动传感器测量值数据库、终端运动传感器模型数据库、运动模型数据库，以及运动状态数据库管理物联网终端各个环节的数据，从而提供一种适用于广域大量终端的运动状态数据生成、计算和管理流程。即:
一种物联网终端状态获取和分析系统，其包括：
终端,安装在目标体上，设置有识别码，至少内置运动传感器；
物联网网关，接收来自终端的包括运动传感器信息在内的数据信息传输到云平台；
云平台，存储若干包括运动传感器测量值数据库在内的数据库，所述运动传感器测量值数据库存储了终端的运动传感器数据以及该终端的识别码，以键值输入查询对应数据，进行运动探测运算；
应用端，与云平台交互，提取运动状态数据以显示、交互或应用操作。
优选的，所述物联网终端状态获取和分析系统，其所述云平台存储的数据库包括运动传感器测量值数据库、终端运动传感器模型数据库、运动模型数据库及运动状态数据库的数据库。
优选的，述物联网终端状态获取和分析系统，其所述云平台对运动传感器数据进行预处理，并存储至运动传感器测量值数据库；所述预处理包括多传感器数据对准和平滑处理；其中，多传感器数据对准使用共同的时间，对多种类型的传感器数据进行插值来完成。
优选的，所述物联网终端状态获取和分析系统，其所述物联网网关通过低功耗广域网络数据链路实时进行低功耗长距离传输，将运动传感器数据发送到服务器并存储至运动传感器测量值数据库。
优选的，所述物联网终端状态获取和分析系统，其所述云平台从运动传感器测量值数据库获取运动传感器数据，从终端运动传感器模型数据库获取终端运动传感器误差模型参数，用终端运动传感器误差模型参数对运动传感器数据进行补偿；用运动传感器数据进行运动状态探测，将运动状态保存至运动状态数据库，从运动状态数据库中获取运动状态。
本发明还提供一种物联网终端状态获取和分析方法，其包括如下步骤：
终端采集其内置的传感器数据信息，发送至网关；
网关接收传感器数据信息并传输至云平台；云平台对传感器数据进行预处理，并存储至数据库；
用处理后的传感器数据进行终端运动探测，并将终端设有的识别码、运动探测结果和对应的时间存储至数据库形成运动状态数据库；
自运动状态数据库提取运动状态数据，进行统计分析。
优选的，所述的物联网终端状态获取和分析方法，其所述云平台存储的数据库包括运动传感器测量值数据库、终端运动传感器模型数据库、运动模型数据库及运动状态数据库；所述运动传感器测量值数据库存储了多个终端的运动传感器数据，用终端识别码作为键值，查询获取该终端的运动传感器数据；所述运动状态数据库存储了多个终端的识别码和运动状态数据。
优选的，所述的物联网终端状态获取和分析方法，其所述终端运动传感器模型数据库存储了多个终端的识别码以及运动传感器误差模型参数；所述运动模型数据库中存储多个参考指纹向量和其对应的运动状态，一个参考指纹向量对应一个运动状态，所述的参考指纹向量是由终端的运动特征组成的向量，所述的运动特征包括姿态、脚步、速度、位置。
优选的，所述的物联网终端状态获取和分析方法，其所述的终端识别码为终端的唯一编码，可为终端MAC地址、UUID或者特定规则的编号；所述终端运动传感器数据库存储的误差模型参数至少包括零偏，并可选地包含比例因子、交轴耦合以及传感器测量随机误差统计量。
优选的，所述的物联网终端状态获取和分析方法，其所述网关网关将一段时间内收到的运动传感器数据打包、压缩并发送至云平台，所述发送过程通过物联网数据链路、WiFi或通讯运营商网络进行数据传输；所述预处理包括多传感器数据对准和平滑处理。
优选的，所述的物联网终端状态获取和分析方法，其所述用处理后的传感器数据进行终端运动探测包括利用运动传感器数据、运动模型数据库进行终端运动探测：
首先用运动传感器数据计算终端的运动特征，然后用运动特征构成指纹向量，然后结合运动模型数据库，确定终端的运动状态。
优选的，所述的物联网终端状态获取和分析方法，其所述终端的运动特征可选用终端三维姿态角和/或有无脚步的标识；
所述指纹向量结合运动模型数据库确定运动状态，包括：
首先，在运动模型数据库中查找与指纹向量最接近的参考指纹向量，然后，以所选参考指纹向量作为键值，在运动模型数据库中查询对应的运动状态。
优选的，所述的物联网终端状态获取和分析方法，其所述查找与指纹向量最接近的参考指纹向量的方式包括：选择与指纹向量间欧式距离最小的参考指纹向量。
本发明通过低功耗广域网络数据链路实时进行低功耗长距离传输，将运动传感器数据发送到服务器并存储至运动传感器测量值数据库，从运动传感器测量值数据库获取运动传感器数据，从终端运动传感器模型数据库获取终端运动传感器误差模型参数，利用终端运动传感器误差模型参数对运动传感器数据进行补偿，利用运动传感器数据进行运动状态探测，将运动状态保存至运动状态数据库，从运动状态数据库中获取运动状态，并作运动状态统计分析，以及健康状况分析。本发明中引入终端运动传感器模型数据库，使用终端识别码作为键值，查询终端运动传感器误差模型参数，从而对其运动传感器数据进行补偿，可有效降低设备差异性的影响。
本发明系统及方法可进行运动状态数据生成、计算和管理，且具有功耗低距离远的优点，适合大规模推广使用；本发明利用物联网数据链路实时进行数据传输，降低运动状态探测应用的功耗，增加使用范围。
将本发明中的物联网终端运动状态获取系统和方法，应用在智慧城市、园区、仓储、交通、畜牧业等应用中人、设备、牲畜的运动状态监测，可直接从运动状态数据库中提取运动状态信息，用于具体应用，能够有效克服当前智慧畜牧业中对大量牲畜运动状态数据进行获取的不便，包括大量终端时数据难以管理，查询、计算效率低等。
本发明的其他优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明实施例中物联网终端运动状态获取和分析系统框架结构示意图；
图2为本发明实施例中物联网终端运动状态获取和分析方法流程示意图。
具体实施方式
为了实现根据本发明目的，提供了一种基物联网终端运动状态获取和分析系统及方法，以下通过在智慧畜牧业中应用为实施例进行说明。
如图1所示可知，本实施例中提供了一种基于终端运动状态获取和分析系统，其包含：大量终端，终端包含传感器模块、内存和处理器，以及通讯模块。终端安装在目标个体上，例如牛、羊等牲畜，终端内置运动传感器；多个物联网网关(也可称之为基站)，布设在广域空间内，各网关有全球唯一识别码。网关通过接收来自终端的无线信号和数据负载，并将数据传输到服务器；云平台，存储了运动传感器测量值数据库、终端运动传感器模型数据库、运动模型数据库、运动状态数据库等。云平台同时包含内存和处理器，可进行运动探测运算；应用端，与云平台交互，包括显示、交互和操作界面。
本实施例中，终端以装置耳标的形式固定在牲畜耳朵上；网关近似均匀分布地安装在牧场周边范围；应用端为手机、平板或电脑。
如附图2所示，为本发明实施例中物联网终端运动状态获取和分析方法流程示意图，其具体步骤为：
步骤1：终端采集运动传感器信息并发送至网关；网关接收运动传感器数据，并传输至服务器；在服务器端，对运动传感器数据进行预处理，并存储至运动传感器测量值数据库。
步骤2：使用终端识别码和最近时间段作为键值，从运动传感器测量值数据库获取相应运动传感器数据。
步骤3：使用终端识别码作为键值，从终端运动传感器模型数据库获取终端运动传感器误差模型参数，并对运动传感器数据进行误差补偿。
步骤4：利用运动传感器数据、运动模型数据库进行终端运动探测。
步骤5：将该终端的识别码、运动探测结果和对应的时间信息存储至运动状态数据库。
步骤6：从运动状态数据库提取运动状态数据，用于相关应用，如运动状态统计分析、健康状况分析。
结合附图2所示，本发明实施例中物联网终端运动状态获取和分析方法，包含：
步骤1：终端采集运动传感器信息并发送至网关；网关接收运动传感器数据，并传输至服务器。在服务器端，对运动传感器数据进行预处理，并存储至运动传感器测量值数据库。
实施例中运动传感器为三轴正交的加速度计加上三轴正交的磁强计的组合。加速度测量数据包括当前目标的比力向量(由加速度和重力向量组合构成)以及数据采集的时间；磁强计测量数据包括三轴方向的磁场强度以及数据采集的时间。其他应用中也可能包含其他类型传感器，如陀螺、视觉传感器；实际中也可以使用部分轴线的传感器，例如单轴或两轴的传感器。
网关持续接收运动传感器数据，并将一段时间内收到的运动传感器数据打包、压缩并发送至服务器。数据传输通过LoRa数据链路进行；此外，也可以通过其他物联网数据链路或者WiFi或通讯运营商网络进行数据传输。
对运动传感器数据的预处理包括多传感器数据对准和平滑处理。其中，多传感器数据对准通过使用共同的时间，对多种类型的传感器数据进行插值来完成。例如，记传感器类型A在tA1时刻的测量值为A1，在tA2时刻的测量值为A2，且tA1≠tA2。传感器类型B 在tB1时刻的测量值为B1，在tB2时刻的测量值为B2，且tB1≠tB2。那么，t时刻A和B传感器测量值的计算公式为：
其中At和Bt分别为t时刻A和B传感器测量值。
平滑处理针对最近一段时间内的传感器测量值，按时间先后顺序对传感器测量值加权平均，距离当前时间越近权重可越大，以计算当前传感器测量值。
运动传感器测量值数据库存储了所有终端的运动传感器数据以及该终端的识别码。因此，可以使用不同的键值组合，查询得到对应数据。例如，使用终端识别码作为键值，可获取该终端的所有运动传感器数据。或者，使用终端识别码以及时间段作为键值，则可以获取该终端在该时间段内的运动传感器数据。
终端识别码为终端在全球的唯一编码，实施例中采用终端MAC 地址；也可使用UUID或特定规则的编号。
步骤2：使用终端识别码作为键值，从运动传感器测量值数据库获取最近时间段内该终端的运动传感器数据；具体而言，最近时间段根据当前时间作为结束时间，当前时间减去预设时间长度(如 1分钟)作为起始时间来获取。然后，以终端识别码以及该时间段作为键值，可以从观测数据库中获取该终端在该时间段内的运动传感器数据。
步骤3：使用终端识别码作为键值，从终端运动传感器模型数据库获取终端运动传感器误差模型参数，并对运动传感器数据进行误差补偿；终端运动传感器误差模型参数可用于修正终端对应的运动传感器数据。实施例中终端运动传感器误差模型参数至少包括零偏，并可选地包含比例因子和交轴耦合，以及传感器测量随机误差统计量(如标准差)。
实施例中对三轴传感器测量值进行补偿的公式为：
其中为传感器(如加速度计或陀螺)轴线i 的测量值；mi为对应的误差补偿后的测量值。bx和si分别为轴线i 传感器的零偏和比例因子；nij(j∈[x,y,z])为传感器轴线i到轴线 j的交轴耦合。符号[.]-1表示矩阵求逆。若终端运动传感器误差模型参数不包括轴线i的比例因子，则可以设定si＝1；若终端运动传感器误差模型参数不包括轴线i到轴线j的交轴耦合，则可以设定 nij＝0。
步骤4：利用运动传感器数据、运动模型数据库进行终端运动探测。
步骤4.1：使用加速度计数据进行脚步探测。使用加速度计数据进行脚步探测为行业内已有方法，可选方法有峰值检测、过零检测、频谱分析、小波分析等。实施例中选用峰值检测方法。首先计算三轴加速度计数据的模并减去本地重力加速度值，以计算加速度大小，然后判断某时刻的加速度大小是否存在于整个加速度大小时间序列的波谷。若不为波谷，则将该时刻标记为无脚步；若是波谷，则进一步判断该时刻加速度大小是否小于加速度大小阈值。若是，则将该时刻标记为有脚步；否则，标记为无脚步。加速度大小阈值为负值，其数值的大小根据终端可能的最大加速度数值的标准差确定。本地重力加速度值可使用本地纬度和高程数据，由公式计算得到。
步骤4.2：使用加速度计和磁强计数据进行三维姿态解算。
使用加速度计数据和磁强计数据进行姿态解算为行业内已有方法。首先，使用三轴加速度计数据计算二维水平姿态角(即横滚角和俯仰角)。
计算公式为：
其中r和p分别为横滚角和俯仰角。fi(i∈[x,y,z])为加速度计轴线i的测量值。然后，使用二维水平姿态角对三轴磁强计数据进行虚拟调平计算，得到两个正交水平方向的磁场强度值。计算公式为：
XH＝mxcos(p)+mysin(r)sin(p)+mzcos(r)sin(p)
(公式6)
YH＝mycos(r)-mzsin(r)
(公式7)
其中XH和YH为两个正交水平方向的磁场强度值。mi (i∈[x,y,z])为磁强计轴线i的测量值。然后，使用两个正交水平方向的磁场强度值计算终端方向与磁场北向的夹角，即磁北方向角θM。公式为：
同时，使用本地纬度和经度数据，可以由国际地磁参考场 (IGRF)模型公式计算本地磁偏角D。最后，用磁北方向角加上磁偏角，计算得到真北方向角，即终端方向与地理北向之间的夹角θz。公式为：
θz＝θM+D
(公式9)
二维水平姿态角加上一维真北方向角，构成了终端的三维姿态。
步骤4.3：使用脚步探测和姿态结算结果构成指纹向量，然后结合运动模型数据库，确定终端的运动状态。
具体而言，实施例中指纹向量为v＝[r,p,θz,fs]，其中各元素依次为横滚角、俯仰角、真北方向角，以及有无脚步的标识。方向角单位为度，横滚角和俯仰角的范围为-90度到90度，真北方向角范围为-180度到180度。有无脚步的标识为0或1。
运动模型数据库中存储了多个同样格式，但具体数值互不相同的参考指纹，和其对应的运动状态。每个参考指纹对应唯一的运动状态。以某指纹向量作为键值，即可从运动模型数据库中获取对应的运动状态。实施例中，运动状态包括站立、卧躺、走动、抖动其中之一。运动模型数据库通过预先采集对应状态下的姿态和脚步数据，训练得到。
实施例中使用指纹向量结合运动模型数据库获取运动状态的具体方法如下：首先，在运动模型数据库中查找与指纹向量最接近的参考指纹向量。具体方式为选择与指纹向量间欧式距离最小的参考指纹向量。指纹向量v＝[r,p,θz,fs]和参考指纹向量w之间欧式距离ρ的计算公式为：
其中N为向量维度，此处N＝4。然后，以所选参考指纹向量作为键值，在运动模型数据库中查询对应的运动状态，并输出。
步骤5：将该终端的识别码、运动状态和对应的时间存储至运动状态数据库。
运动状态数据库存储了多个终端的识别码、运动状态以及对应的时间。使用终端识别码作为键值，可获取该终端对应的多个运动状态及其对应的时间。同时使用终端识别码和时间或时间段作为键值，可获取该时间或时间段内的运动状态。
步骤6：从运动状态数据库提取运动状态数据，为相关应用服务，如运动状态统计分析、健康状况分析。
实施例中，一个具体应用是使用某牲畜对应的终端识别码作为键值，从运动状态数据库检索得到该终端对应多个时间的运动状态。例如，对一天内该牲畜的运动状态进行直方图统计，可得到该牲畜的运动/静止时间比、卧躺时间占比、抖动时间占比等，进而判断该牲畜该天的健康状况。
实施例中，另一个具体应用是使用时间段作为键值，从运动状态数据库中检索得到该时间段内所有终端的运动状态，从而得到该时间段内所有牲畜的总体运动情况。例如在某时间段，牲畜的运动状况总体没有达到预定要求，则可能出现异常。
根据本实施例所提供的物联网终端运动状态获取系统和方法，能够有效克服当前智慧畜牧业中对大量牲畜运动状态数据进行获取的不便，例如：大量终端时数据难以管理，查询、计算效率低。
本发明系统地使用运动传感器测量值数据库、终端运动传感器模型数据库、运动模型数据库，以及运动状态数据库管理物联网终端各个环节的数据，从而提供一种适用于广域大量终端的运动状态数据生成、计算和管理流程。
此外，本发明通过低功耗广域网络数据链路实时进行低功耗长距离传输，将运动传感器数据发送到服务器并存储至运动传感器测量值数据库，从运动传感器测量值数据库获取运动传感器数据，从终端运动传感器模型数据库获取终端运动传感器误差模型参数，利用终端运动传感器误差模型参数对运动传感器数据进行补偿，利用运动传感器数据进行运动状态探测，将运动状态保存至运动状态数据库，从运动状态数据库中获取运动状态，并作运动状态统计分析，以及健康状况分析。该系统可进行运动状态数据生成、计算和管理，且具有功耗低距离远的优点，适合大规模推广使用。
本发明利用物联网数据链路实时进行数据传输，降低运动状态探测应用的功耗，增加使用范围；引入终端运动传感器模型数据库，使用终端识别码作为键值，查询终端运动传感器误差模型参数，从而对其运动传感器数据进行补偿，可有效降低设备差异性的影响。
本发明应用在智慧城市、园区、仓储、交通、畜牧业等应用中人、设备、牲畜的运动状态监测。可直接从运动状态数据库中提取运动状态信息，用于具体应用。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (12)
1.一种物联网终端状态获取和分析系统，其特征在于，包括：
终端,安装在目标体上，设置有识别码，至少内置运动传感器；
物联网网关，接收来自终端的包括运动传感器信息在内的数据信息传输到云平台；
云平台，存储包括运动传感器测量值数据库、运动模型数据库在内的若干数据库，所述运动传感器测量值数据库存储终端的运动传感器数据以及该终端的识别码，以键值输入查询该终端的运动传感器数据，计算终端的运动特征，用运动特征构成指纹向量；所述运动模型数据库中存储由终端的运动特征组成的参考指纹向量和其对应的运动状态，在运动模型数据库中查找与指纹向量最接近的参考指纹向量，进行运动探测运算，确定终端的运动状态；
应用端，与云平台交互，提取运动状态数据以显示、交互或应用操作。
2.如权利要求1所述物联网终端状态获取和分析系统，其特征在于：所述云平台存储的数据库包括运动传感器测量值数据库、终端运动传感器模型数据库、运动模型数据库及运动状态数据库的数据库；在运动模型数据库中查找与指纹向量最接近的参考指纹向量，以所选参考指纹向量作为键值，在运动模型数据库中查询对应的运动状态。
3.如权利要求2所述物联网终端状态获取和分析系统，其特征在于：所述云平台对运动传感器数据进行预处理，并存储至运动传感器测量值数据库；所述预处理包括多传感器数据对准和平滑处理；其中，多传感器数据对准使用共同的时间，对多种类型的传感器数据进行插值来完成。
4.如权利要求2所述物联网终端状态获取和分析系统，其特征在于：所述物联网网关通过低功耗广域网络数据链路实时进行低功耗长距离传输，将运动传感器数据发送到服务器并存储至运动传感器测量值数据库。
5.如权利要求2所述物联网终端状态获取和分析系统，其特征在于：所述云平台从运动传感器测量值数据库获取运动传感器数据，从终端运动传感器模型数据库获取终端运动传感器误差模型参数，用终端运动传感器误差模型参数对运动传感器数据进行补偿；用运动传感器数据进行运动状态探测，将运动状态保存至运动状态数据库，从运动状态数据库中获取运动状态。
6.一种物联网终端状态获取和分析方法，其特征在于，其包括如下步骤：
终端采集其内置的传感器数据信息，发送至网关；
网关接收传感器数据信息并传输至云平台；云平台对传感器数据进行预处理，并存储至数据库；
用处理后的传感器数据进行终端运动探测，并将终端设有的识别码、运动探测结果和对应的时间存储至数据库形成运动状态数据库；
自运动状态数据库提取运动状态数据，进行统计分析；其中，
所述用处理后的传感器数据进行终端运动探测包括用传感器数据计算终端的运动特征，用运动特征构成指纹向量，确定终端的运动状态。
7.如权利要求6所述的物联网终端状态获取和分析方法，其特征在于：所述云平台存储的数据库包括运动传感器测量值数据库、终端运动传感器模型数据库、运动模型数据库及运动状态数据库；所述运动传感器测量值数据库存储了多个终端的运动传感器数据，用终端识别码作为键值，查询获取该终端的运动传感器数据；所述运动状态数据库存储了多个终端的识别码和运动状态数据。
8.如权利要求7所述的物联网终端状态获取和分析方法，其特征在于：所述终端运动传感器模型数据库存储了多个终端的识别码以及运动传感器误差模型参数；所述运动模型数据库中存储多个参考指纹向量和其对应的运动状态，所述的参考指纹向量是由终端的运动特征组成的向量，所述的运动特征包括姿态、脚步、速度、位置。
9.如权利要求7或8任一所述的物联网终端状态获取和分析方法，其特征在于：所述的终端识别码为终端的唯一编码，可为终端MAC地址、UUID或者特定规则的编号；所述终端运动传感器数据库存储的误差模型参数至少包括零偏，并可选地包含比例因子、交轴耦合以及传感器测量随机误差统计量。
10.如权利要求6所述的物联网终端状态获取和分析方法，其特征在于：所述网关将一段时间内收到的运动传感器数据打包、压缩并发送至云平台，所述发送过程通过物联网数据链路、WiFi或通讯运营商网络进行数据传输；所述预处理包括多传感器数据对准和平滑处理。
11.如权利要求9所述的物联网终端状态获取和分析方法，其特征在于：所述用处理后的传感器数据进行终端运动探测包括利用运动传感器数据、运动模型数据库进行终端运动探测：用运动传感器数据计算终端的运动特征，用运动特征构成指纹向量，结合运动模型数据库，确定终端的运动状态；
所述终端的运动特征可选用终端三维姿态角和/或有无脚步的标识；
所述指纹向量结合运动模型数据库确定运动状态，包括：
首先，在运动模型数据库中查找与指纹向量最接近的参考指纹向量，然后，
以所选参考指纹向量作为键值，在运动模型数据库中查询对应的运动状态。
12.如权利要求11所述的物联网终端状态获取和分析方法，其特征在于：所述查找与指纹向量最接近的参考指纹向量的方式包括：选择与指纹向量间欧式距离最小的参考指纹向量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811007111.XA CN109388669A (zh) | 2018-08-31 | 2018-08-31 | 物联网终端运动状态获取和分析系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811007111.XA CN109388669A (zh) | 2018-08-31 | 2018-08-31 | 物联网终端运动状态获取和分析系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109388669A true CN109388669A (zh) | 2019-02-26 |
Family
ID=65418695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811007111.XA Pending CN109388669A (zh) | 2018-08-31 | 2018-08-31 | 物联网终端运动状态获取和分析系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109388669A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110361002A (zh) * | 2019-07-15 | 2019-10-22 | 哈尔滨工程大学 | 适用于路基车辆的简化惯导系统姿态测量方法 |
| CN111368172A (zh) * | 2020-02-28 | 2020-07-03 | 深圳市通用互联科技有限责任公司 | 传感器数据处理方法、装置、计算机设备和存储介质 |
| CN111652911A (zh) * | 2020-06-10 | 2020-09-11 | 创新奇智(南京)科技有限公司 | 目标监控方法、装置和设备 |
| CN116304595A (zh) * | 2023-05-11 | 2023-06-23 | 中南大学湘雅医院 | 基于共享云平台的智能运动分析系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103517118A (zh) * | 2012-12-28 | 2014-01-15 | Tcl集团股份有限公司 | 一种遥控器的动作识别方法及系统 |
| CN106377837A (zh) * | 2016-09-19 | 2017-02-08 | 天津大学 | 基于步态识别的功能性肌肉电刺激助行装置及控制方法 |
| CN106445168A (zh) * | 2016-11-01 | 2017-02-22 | 中南大学 | 一种智能手套及其使用方法 |
| CN107943271A (zh) * | 2016-10-10 | 2018-04-20 | 北京诺亦腾科技有限公司 | 运动数据检测方法、装置及系统 |
| US20180124308A1 (en) * | 2015-06-30 | 2018-05-03 | International Business Machines Corporation | Cognitive recording and sharing |
| CN108209892A (zh) * | 2018-02-11 | 2018-06-29 | 中明博瑞成都科技有限公司 | 一种基于穿戴设备的宠物监测系统 |
| CN108245867A (zh) * | 2016-12-29 | 2018-07-06 | 苏州啸虎电子科技有限公司 | 一种基于无线传感器的球类运动检测芯片装置 |
-
2018
- 2018-08-31 CN CN201811007111.XA patent/CN109388669A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103517118A (zh) * | 2012-12-28 | 2014-01-15 | Tcl集团股份有限公司 | 一种遥控器的动作识别方法及系统 |
| US20180124308A1 (en) * | 2015-06-30 | 2018-05-03 | International Business Machines Corporation | Cognitive recording and sharing |
| CN106377837A (zh) * | 2016-09-19 | 2017-02-08 | 天津大学 | 基于步态识别的功能性肌肉电刺激助行装置及控制方法 |
| CN107943271A (zh) * | 2016-10-10 | 2018-04-20 | 北京诺亦腾科技有限公司 | 运动数据检测方法、装置及系统 |
| CN106445168A (zh) * | 2016-11-01 | 2017-02-22 | 中南大学 | 一种智能手套及其使用方法 |
| CN108245867A (zh) * | 2016-12-29 | 2018-07-06 | 苏州啸虎电子科技有限公司 | 一种基于无线传感器的球类运动检测芯片装置 |
| CN108209892A (zh) * | 2018-02-11 | 2018-06-29 | 中明博瑞成都科技有限公司 | 一种基于穿戴设备的宠物监测系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110361002A (zh) * | 2019-07-15 | 2019-10-22 | 哈尔滨工程大学 | 适用于路基车辆的简化惯导系统姿态测量方法 |
| CN111368172A (zh) * | 2020-02-28 | 2020-07-03 | 深圳市通用互联科技有限责任公司 | 传感器数据处理方法、装置、计算机设备和存储介质 |
| CN111652911A (zh) * | 2020-06-10 | 2020-09-11 | 创新奇智(南京)科技有限公司 | 目标监控方法、装置和设备 |
| CN116304595A (zh) * | 2023-05-11 | 2023-06-23 | 中南大学湘雅医院 | 基于共享云平台的智能运动分析系统及方法 |
| CN116304595B (zh) * | 2023-05-11 | 2023-08-04 | 中南大学湘雅医院 | 基于共享云平台的智能运动分析系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10803098B2 (en) | Information processing device, map update method, program, and information processing system | |
| CN109388669A (zh) | 物联网终端运动状态获取和分析系统及方法 | |
| CN107635204B (zh) | 一种运动行为辅助的室内融合定位方法及装置、存储介质 | |
| CN107907124B (zh) | 基于场景重识的定位方法、电子设备、存储介质、系统 | |
| CN110073362A (zh) | 用于车道标记检测的系统及方法 | |
| CN107730993A (zh) | 基于图像再识别的停车场智能寻车系统及方法 | |
| CN109246622A (zh) | 一种物联网终端位置获取系统及获取方法 | |
| CN108151732A (zh) | 一种远程的位置和行为估计方法 | |
| CN112651266B (zh) | 行人检测方法和装置 | |
| CN115808170B (zh) | 一种融合蓝牙与视频分析的室内实时定位方法 | |
| CN101471993A (zh) | 手持智慧型移动和固定式无线装置 | |
| CN112885134A (zh) | 一种基于大数据的智慧城市交通管理方法 | |
| CN106355935A (zh) | 用于停车场在线管理系统的服务器子系统 | |
| KR20210087181A (ko) | 위치를 탐지하는 전자 장치 및 그 방법 | |
| Qian et al. | Wearable-assisted localization and inspection guidance system using egocentric stereo cameras | |
| JP5878634B2 (ja) | 特徴抽出方法、プログラム及びシステム | |
| WO2020155075A1 (zh) | 一种导航装置、方法及相关设备 | |
| US11692829B2 (en) | System and method for determining a trajectory of a subject using motion data | |
| CN107181767A (zh) | 信息共享方法、系统及服务器 | |
| CN114693865A (zh) | 数据处理方法及相关装置 | |
| CN116823884A (zh) | 多目标跟踪方法、系统、计算机设备及存储介质 | |
| CN102480682A (zh) | 移动定位装置、服务器及其移动定位方法 | |
| Feng et al. | Visual location recognition using smartphone sensors for indoor environment | |
| CN111752293B (zh) | 用于对能够自主移动的机器进行导引的方法和电子设备 | |
| Yu et al. | Data Fusion for Human Activity Recognition Based on RF Sensing and IMU Sensor |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190226 |