CN109985369B - 一种基于智能腕戴式设备的自适应泳姿识别方法 - Google Patents
一种基于智能腕戴式设备的自适应泳姿识别方法 Download PDFInfo
- Publication number
- CN109985369B CN109985369B CN201910187098.9A CN201910187098A CN109985369B CN 109985369 B CN109985369 B CN 109985369B CN 201910187098 A CN201910187098 A CN 201910187098A CN 109985369 B CN109985369 B CN 109985369B
- Authority
- CN
- China
- Prior art keywords
- signal
- interval
- unit
- peak value
- value
- 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.)
- Expired - Fee Related
Links
- 230000009182 swimming Effects 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000001133 acceleration Effects 0.000 claims abstract description 42
- 230000033001 locomotion Effects 0.000 claims abstract description 38
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0605—Decision makers and devices using detection means facilitating arbitration
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/30—Speed
- A63B2220/34—Angular speed
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/40—Acceleration
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/803—Motion sensors
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/83—Special sensors, transducers or devices therefor characterised by the position of the sensor
- A63B2220/836—Sensors arranged on the body of the user
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于智能腕戴式设备的自适应泳姿识别方法。该方法从智能腕戴式设备的传感器中获取人体运动的加速度信号;从获取的加速度信号中取出单位长度的信号,采用自适应算法从单位长度信号中截取出一个候选动作信号;对截取的候选动作信号进行预处理,并对预处理后的信号进行识别;对识别结果进行保存,并根据识别结果确定下一个要获取的单位加速度信号的区间,并重复上述步骤。该方法能精确定位出每个具有完整周期的泳姿的发生时间,提升泳姿识别的准确率。
Description
技术领域
本发明涉及人体动作识别领域,尤其涉及一种基于智能腕戴式设备的自适应泳姿识别方法。
背景技术
随着智能腕戴式设备的流行,基于智能腕戴式设备的人体动作识别技术在生活中发挥着越来越重要的作用,并且智能监控及医疗看护等各个领域均取得较好的研究进展。但是,现有技术中的研究主要集中于如行走、上下楼梯等周期性强且较规范的动作。而类似游泳这种因泳姿不同、测试者运动能力不同使得运动周期变化程度大、运动过程运动状态变化复杂的动作,对于这方面的动作识别的研究还不足。在实际应用中,人们对于类似游泳的运动的识别更关注次数的准确性,但由于运动周期变化程度大的问题,采用判断周期性的方法或滑窗法来对信号进行分割和识别会很容易造成误分割。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于智能腕戴式设备的泳姿识别方法。本发明能够自适应地分割出人体动作中含有目标动作的一个完整动作周期的候选区间,从而提升识别的准确率及识别方法在现实场景中的稳定性。
本发明的目的能够通过以下技术方案实现:
一种基于智能腕戴式设备的自适应泳姿识别方法,具体步骤包括:
(1)获取智能腕戴式设备的传感器采集的加速度信号,包括三维线性加速度,三维角速度;
(2)从获取的加速度信号中取出单位长度的信号,采用自适应算法从单位长度信号中截取出一个候选动作信号;
(3)对截取的候选动作信号进行预处理,并对预处理后的信号进行识别;
(4)对识别结果进行保存,并根据识别结果确定下一个要获取的单位加速度信号的区间;
(5)根据确定的区间获取单位加速度信号,重复步骤(2)-(5)。
具体地,所述步骤(2)中,采用自适应算法从单位长度信号中截取出一个候选动作信号的步骤包括:
(2-1)从单位加速度信号中取出一个固定窗长的信号,窗长应大于所有泳姿的最大动作周期,计算该信号同整个信号的相关性,得到一组相关值序列;
(2-2)根据相关值序列的第一个值,即窗信号的自相关,确定有效峰值的阈值;
(2-3)确定有效峰值,选取所要输出的候选动作信号;
更进一步地,所述步骤(2-1)的相关性计算公式为:
其中,R(t)表示相关值序列中第t个值,S(i)表示单位加速度信号的第i个值,τ表示上述 的窗长。
具体地,所述步骤(2-3)中,选取所要输出的候选动作信号的方法为:
寻找相关值序列中离原点最近的峰值,若该峰值大于求得的阈值,则确定该峰值为有效峰值,取有效峰值的峰点到原点的信号为候选动作信号并输出;
若该峰值小于求得的阈值,则取后一个峰值与阈值的大小关系进行比较,确定是否有效峰值;
若整个相关值信号中没有有效峰值,则取固定窗长的信号作为候选动作信号进行输出。
具体地,所述步骤(3)包括:
(3-1)对候选动作区间信号进行双线性插值处理,使其成为固定长度的信号;
(3-2)采用分类器对得到的固定长度的信号进行分类,分类类别共五类,包括:蛙泳、仰泳、自由泳、蝶泳和其他。
具体地,所述步骤(4)包括:
(4-1)保存得到的预处理后的候选动作信号的识别结果;
(4-2)根据识别结果确定下一个所要获取的单位加速度信号的区间;
(4-3)确定下个所要获取的单位加速度信号的区间起点后,确定所述区间的终点,即区间起点向后加上一个单位间隔,所述单位间隔一般设置为四个游泳动作中最大运动周期的两倍。
具体地,所述步骤(4-2)中根据识别结果确定下一个所要获取的单位加速度信号的区间的方法为:
如果识别结果是蛙泳、仰泳、自由泳和蝶泳中的一种,则下一个所要获取的单位加速度信号的区间起点为候选动作信号的终点;
如果识别结果是其他,则下一个所要获取的单位加速度信号的区间起点为候选动作信号的起点向后移一个固定长度,该长度一般设置为四个游泳动作中最小运动周期的一半。
本发明相较于现有技术,具有以下的有益效果:
本发明针对游泳运动中因泳姿不同或测试者运动能力不同使得运动周期变化程度大以及运动过程运动状态变化复杂这一特点,采用了自适应的分割方法,能够较好地分割出人体动作中含有目标动作的一个完整动作周期的候选区间,从而提升识别的准确率以及本发明识别方法在现实场景中的稳定性与可靠性。
附图说明
图1是一种基于智能腕戴式设备的自适应泳姿识别方法的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
如图1所示为一种基于智能腕戴式设备的自适应泳姿识别方法的流程图,具体步骤包括:
(1)获取智能腕戴式设备的传感器采集的加速度信号,包括三维线性加速度,三维角速度;
(2)从获取的加速度信号中取出单位长度的信号,采用自适应算法从单位长度信号中截取出一个候选动作信号;
(3)对截取的候选动作信号进行预处理,并对预处理后的信号进行识别;
(4)对识别结果进行保存,并依此确定下一个要获取的单位加速度信号的区间;
(5)根据确定的区间获取单位加速度信号,重复步骤(2)-(5)。
具体地,所述步骤(2)中,采用自适应算法从单位长度信号中截取出一个候选动作信号的步骤包括:
(2-1)从单位加速度信号中取出一个固定窗长的信号,窗长应大于所有泳姿的最大动作周期,计算该信号同整个信号的相关性,得到一组相关值序列;
(2-2)根据相关值序列的第一个值,即窗信号的自相关,确定有效峰值的阈值;
有效峰值阈值为超参数;在本实施例中,将窗信号自相关的1/2设为有效峰值的阈值。
(2-3)确定有效峰值,选取所要输出的候选动作信号。
更进一步地,所述步骤(2-1)的相关性计算公式为:
其中,R(t)表示相关值序列中第t个值,S(i)表示单位加速度信号的第 i个值,τ表示上述 的窗长。
具体地,所述步骤(2-3)中,选取所要输出的候选动作信号的方法为:
寻找相关值序列中离原点最近的峰值,若该峰值大于求得的阈值,则确定该峰值为有效峰值,取有效峰值的峰点到原点的信号为候选动作信号并输出;
若该峰值小于求得的阈值,则取后一个峰值与阈值的大小关系进行比较,确定是否有效峰值;
若整个相关值信号中没有有效峰值,则取固定窗长的信号作为候选动作信号进行输出。
在本实施例中,由于同时获取了多种类似的加速度信号,因此得到多个自相关序列。所以在本实施例中采用投票方式对峰值是否为有效峰值进行判断,具体为:
将每一位信号的有效峰值的峰点计算并储存,再对所有峰点进行排序,如果存在几个峰点大小接近且数量大于信号维度的一半,则将这几个峰点的均值作为有效峰值的峰点。
具体地,所述步骤(3)包括:
(3-1)对候选动作区间信号进行双线性插值处理,成为固定长度的信号;
(3-2)采用分类器对得到的固定长度的信号进行分类,分类类别包括:蛙泳、仰泳、自由泳、蝶泳和其他。
具体地,所述步骤(4)包括:
(4-1)保存得到的预处理后的候选动作信号的识别结果;
(4-2)根据识别结果确定下个所要获取的单位加速度信号的区间:
如果识别结果是蛙泳、仰泳、自由泳和蝶泳中的一种,则下一个所要获取的单位加速度信号的区间起点为候选动作信号的终点;
如果识别结果是其他,则下一个所要获取的单位加速度信号的区间起点为候选动作信号的起点向后移一个固定长度,该长度一般设置为四个游泳动作中最小运动周期的一半;
(4-3)确定下一个所要获取的单位加速度信号的区间起点后,确定所述区间的终点,即区间起点向后加上一个单位间隔,所述单位间隔一般设置为四个游泳动作中最大运动周期的两倍。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.一种基于智能腕戴式设备的自适应泳姿识别方法,其特征在于,具体步骤包括:
(1)获取智能腕戴式设备的传感器采集的加速度信号,包括三维线性加速度,三维角速度;
(2)从获取的加速度信号中取出单位长度的信号,采用自适应算法从单位长度信号中截取出一个候选动作信号;
(3)对截取的候选动作信号进行预处理,并对预处理后的信号进行识别;
(4)对识别结果进行保存,并依此确定下个要获取的单位加速度信号的区间;
(5)根据确定的区间获取单位加速度信号,重复步骤(2)-(4);
所述步骤(4)包括:
(4-1)保存得到的预处理后的候选动作信号的识别结果;
(4-2)根据识别结果确定下个所要获取的单位加速度信号的区间;
(4-3)确定下个所要获取的单位加速度信号的区间起点后,确定所述区间的终点,即区间起点向后加上一个单位间隔,所述单位间隔一般设置为四个游泳动作中最大运动周期的两倍;
所述步骤(4-2)中根据识别结果确定下个所要获取的单位加速度信号的区间的方法为:
如果识别结果是蛙泳、仰泳、自由泳和蝶泳中的一种,则下个所要获取的单位加速度信号的区间起点为候选动作信号的终点;
如果识别结果是其他,则下个所要获取的单位加速度信号的区间起点为候选动作信号的起点向后移一个固定长度,该长度一般设置为四个游泳动作中最小运动周期的一半。
2.根据权利要求1所述的一种基于智能腕戴式设备的自适应泳姿识别方法,其特征在于,所述步骤(2)中,采用自适应算法从单位长度信号中截取出一个候选动作信号的步骤包括:
(2-1)从单位加速度信号中取出一个固定窗长的信号,窗长应大于所有泳姿的最大动作周期,计算该信号同整个信号的相关性,得到一组相关值序列;
(2-2)根据相关值序列的第一个值,即窗信号的自相关,确定有效峰值的阈值;
(2-3)确定有效峰值,选取所要输出的候选动作信号。
4.根据权利要求2所述的一种基于智能腕戴式设备的自适应泳姿识别方法,其特征在于,所述步骤(2-3)中,寻找相关值序列中离原点最近的峰值,若该峰值大于求得的阈值,则确定该峰值为有效峰值,取有效峰值的峰点到原点的信号为候选动作信号并输出;
若该峰值小于求得的阈值,则取后一个峰值与阈值的大小关系进行比较,确定是否有效峰值;
若整个相关值信号中没有有效峰值,则取固定窗长的信号作为候选动作信号进行输出。
5.根据权利要求1所述的一种基于智能腕戴式设备的自适应泳姿识别方法,其特征在于,所述步骤(3)包括:
(3-1)对候选动作区间信号进行双线性插值处理,成为固定长度的信号;
(3-2)采用分类器对得到的固定长度的信号进行分类,分类类别包括:蛙泳、仰泳、自由泳、蝶泳和其他。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910187098.9A CN109985369B (zh) | 2019-03-13 | 2019-03-13 | 一种基于智能腕戴式设备的自适应泳姿识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910187098.9A CN109985369B (zh) | 2019-03-13 | 2019-03-13 | 一种基于智能腕戴式设备的自适应泳姿识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109985369A CN109985369A (zh) | 2019-07-09 |
CN109985369B true CN109985369B (zh) | 2020-06-19 |
Family
ID=67130389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910187098.9A Expired - Fee Related CN109985369B (zh) | 2019-03-13 | 2019-03-13 | 一种基于智能腕戴式设备的自适应泳姿识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109985369B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116808553B (zh) * | 2023-08-04 | 2023-12-29 | 国家体育总局体育科学研究所 | 一种量化研究竞技游泳运动员特定技术水平的系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201618835A (zh) * | 2014-11-25 | 2016-06-01 | 沅聖科技股份有限公司 | 可分析游泳的穿戴式裝置與其分析游泳的方法 |
CN106237604A (zh) * | 2016-08-31 | 2016-12-21 | 歌尔股份有限公司 | 可穿戴设备及利用其监测运动状态的方法 |
CN107376247B (zh) * | 2017-08-16 | 2019-07-12 | 高驰运动科技(深圳)有限公司 | 一种基于智能手表的游泳运动分析方法和该智能手表 |
CN108939512B (zh) * | 2018-07-23 | 2020-05-19 | 大连理工大学 | 一种基于穿戴式传感器的游泳姿态测量方法 |
-
2019
- 2019-03-13 CN CN201910187098.9A patent/CN109985369B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN109985369A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Danelljan et al. | Atom: Accurate tracking by overlap maximization | |
Zhang et al. | Real-time object tracking via online discriminative feature selection | |
CN109919977B (zh) | 一种基于时间特征的视频运动人物跟踪与身份识别方法 | |
CN111709311B (zh) | 一种基于多尺度卷积特征融合的行人重识别方法 | |
CN110120064B (zh) | 一种基于互强化与多注意机制学习的深度相关目标跟踪算法 | |
CN110705463A (zh) | 基于多模态双流3d网络的视频人体行为识别方法及系统 | |
KR20130013122A (ko) | 객체 자세 검색 장치 및 방법 | |
CN109685037B (zh) | 一种实时动作识别方法、装置及电子设备 | |
Chunli et al. | A behavior classification based on enhanced gait energy image | |
Ruan et al. | Dynamic gesture recognition based on improved DTW algorithm | |
CN111444817B (zh) | 一种人物图像识别方法、装置、电子设备和存储介质 | |
CN113743177A (zh) | 关键点检测方法、系统、智能终端和存储介质 | |
Lin et al. | Joint learning of local and global context for temporal action proposal generation | |
CN109985369B (zh) | 一种基于智能腕戴式设备的自适应泳姿识别方法 | |
CN110008847B (zh) | 一种基于卷积神经网络的泳姿识别方法 | |
CN113688804B (zh) | 基于多角度视频的动作识别方法及相关设备 | |
CN115035037A (zh) | 一种基于图像处理和多特征融合的肢体康复训练方法及系统 | |
CN106842161A (zh) | 基于置信度评价的微动周期提取方法 | |
Yashas et al. | Hand gesture recognition: a survey | |
CN116561649B (zh) | 基于多源传感器数据的潜水员运动状态识别方法和系统 | |
CN113327269A (zh) | 一种无标记颈椎运动检测方法 | |
CN116721468A (zh) | 一种基于多人姿态估计动作幅度检测的智能导播切换方法 | |
CN109948686B (zh) | 一种基于九轴传感信号统计特征的泳姿识别方法 | |
CN112527118B (zh) | 一种基于动态时间规整的头部姿态识别方法 | |
Tsai et al. | Temporal-variation skeleton point correction algorithm for improved accuracy of human action recognition |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200619 |