CN110694252A - 一种基于六轴传感器的跑步姿态检测方法 - Google Patents
一种基于六轴传感器的跑步姿态检测方法 Download PDFInfo
- Publication number
- CN110694252A CN110694252A CN201910952326.7A CN201910952326A CN110694252A CN 110694252 A CN110694252 A CN 110694252A CN 201910952326 A CN201910952326 A CN 201910952326A CN 110694252 A CN110694252 A CN 110694252A
- Authority
- CN
- China
- Prior art keywords
- axis
- data
- acceleration data
- axis acceleration
- landing mode
- 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
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
-
- 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
-
- 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
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/62—Measuring physiological parameters of the user posture
Abstract
本发明公开了一种基于六轴传感器的跑步姿态检测方法,其包括:S1:利用六轴传感器获取用户跑步方向上的x轴加速度数据、z轴加速度数据和y轴陀螺仪数据;S2:对三个轴的数据的波峰和波谷进行检测,得到步态周期;S3:计算每一步态周期内的x轴加速度数据、z轴加速度数据和y轴陀螺仪数据的均值、方差、最大值和最小值特征值,组成特征向量;S4:将特征向量进行归一化处理得到标准化向量;S5:将标准化向量输入预先训练好的Softmax分类器,分别得到对应前掌着地方式、全掌着地方式和后掌着地方式三种类别的类别值;S6:选择最大类别值对应的类别作为跑步姿态结果。本发明能够保证检测精度,同时降低成本。
Description
技术领域
本发明涉及运动检测技术领域,特别是涉及一种基于六轴传感器的跑步姿态检测方法。
背景技术
随着生活水平的提高,人们对健康的追求越来越高,科学的跑步成了广大跑步者的追求,其中,脚掌着地方式是跑步姿态识别的重要指标,而脚掌着地方式通常分为前掌着地方式、全掌着地方式和后掌着地方式。
当前,跑步姿态识别的实现方式分为基于机器视觉的方法和基于压力鞋垫的方法。基于机器视觉的方法通过摄像头采集图像,然后利用计算机视觉的相关方法识别出不同的跑步姿态。这类技术虽然相对成熟,但需要较强的计算能力,成本昂贵,而且要求在光线良好且目标不能有任何遮挡的场景下使用。基于压力鞋垫的方法的成本高,且功能单一。
发明内容
本发明主要解决的技术问题是提供一种基于六轴传感器的跑步姿态检测方法,能够保证检测精度,同时降低成本。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种基于六轴传感器的跑步姿态检测方法,所述跑步距离校正方法包括:S1:利用六轴传感器获取用户跑步方向上的x轴加速度数据、z轴加速度数据和y轴陀螺仪数据;S2:对所述x轴加速度数据、z轴加速度数据和y轴陀螺仪数据的波峰和波谷进行检测,得到步态周期;S3:计算每一步态周期内的x轴加速度数据、z轴加速度数据和y轴陀螺仪数据的均值、方差、最大值和最小值特征值,组成特征向量;S4:将所述特征向量进行归一化处理得到标准化向量;S5:将所述标准化向量输入预先训练好的Softmax分类器,分别得到对应前掌着地方式、全掌着地方式和后掌着地方式三种类别的类别值,其中,所述Softmax分类器由多个跑步者的包含前掌着地方式、全掌着地方式和后掌着地方式的历史跑步姿态数据训练得到;S6:选择最大类别值对应的类别作为跑步姿态结果。
作为本发明的一个优选实施例,所述步骤S1还包括:对所述x轴加速度数据、z轴加速度数据和y轴陀螺仪数据进行平滑滤波。
作为本发明的一个优选实施例,在对x轴加速度数据进行平滑滤波时,采用的滤波公式为:
其中,N为常数,xi表示第i个数据。
作为本发明的一个优选实施例,在所述步骤S4中,进行归一化处理时,采用的运算公式为:
其中,fmin代表所述特征向量中所有数据的最小值,fmax代表所述特征向量中所有数据的最大值,fi代表所述特征向量中第i个特征值,Fi表示标准化向量中的第i个特征值。
作为本发明的一个优选实施例,所述Softmax分类器的表达式为:
其中,P(Yk|F)代表第k类别的类别值,wk表示Softmax分类器的参数,F表示标准化向量。
区别于现有技术的情况,本发明的有益效果是:本发明通过六轴传感器的数据以及计算量较小的Softmax分类器,完成对跑步姿态的检测,并得到了较高的准确率,相比于现有方法,本发明更经济,更易于携带,使用场景更多,从而能够保证检测精度,同时降低成本。
附图说明
图1是本发明实施例的基于六轴传感器的跑步姿态检测方法的流程示意图。
图2是一个应用实例中的x轴加速度数据的波形图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1,本发明实施例的基于六轴传感器的跑步姿态检测方法包括以下步骤:
S1:利用六轴传感器获取用户跑步方向上的x轴加速度数据、z轴加速度数据和y轴陀螺仪数据。
其中,为了方便数据采集和提取,需要为六轴传感器选取合适的安装位置和方向,在一个具体实例中,六轴传感器佩戴在用户的鞋面上。需要注意的是,本实施例中的六轴传感器可以是集成在某个电子产品中,那么该电子产品应佩戴在用户的鞋面上。
S2:对x轴加速度数据、z轴加速度数据和y轴陀螺仪数据的波峰和波谷进行检测,得到步态周期。
其中,由于跑步时迈腿动作是一个重复的过程,因此,x轴加速度数据、z轴加速度数据和y轴陀螺仪数据为有规律的周期性数据,如图2所示,是一个应用实例中的x轴加速度数据的波形图,图中,P1、P3代表波谷,P2代表波峰。因此,每一个周期均存在波峰和波谷,通过对波峰和波谷极性检测从而能够得到步态周期。
S3:计算每一步态周期内的x轴加速度数据、z轴加速度数据和y轴陀螺仪数据的均值、方差、最大值和最小值特征值,组成特征向量。
其中,由于需要计算每个轴的数据的均值、方差、最大值和最小值特征值,因此,特征向量具有12个特征值。
S4:将特征向量进行归一化处理得到标准化向量。
其中,在步骤S4中,进行归一化处理时,采用的运算公式为:
其中,fmin代表特征向量中所有数据的最小值,fmax代表特征向量中所有数据的最大值,fi代表特征向量中第i个特征值,Fi表示标准化向量中的第i个特征值。
S5:将标准化向量输入预先训练好的Softmax分类器,分别得到对应前掌着地方式、全掌着地方式和后掌着地方式三种类别的类别值,其中,Softmax分类器由多个跑步者的包含前掌着地方式、全掌着地方式和后掌着地方式的历史跑步姿态数据训练得到。
其中,softmax分类器的运算思想为:对于一个新的样本,softmax回归模型对于每一类别都先计算出一个分数,然后通过softmax函数得出一个类别值(类别值为一个概率值),根据最大的类别值来确定样本属于哪一类别。
在本实施例中,Softmax分类器的表达式为:
其中,P(Yk|F)代表第k类别的类别值,wk表示Softmax分类器的参数,F表示标准化向量。
在模型训练时,得到Softmax分类器的参数,然后将标准化向量与模型参数做点积,从而得到每个类别的类别值,再取类别值最大的一个类别作为跑步姿态结果。
S6:选择最大类别值对应的类别作为跑步姿态结果。
然后将得分值转换成类别值,计算如下:
在本实施例中,步骤S1还包括:对x轴加速度数据、z轴加速度数据和y轴陀螺仪数据进行平滑滤波。例如,在对x轴加速度数据进行平滑滤波时,采用的滤波公式为:
其中,N为常数,例如N=6,xi表示第i个数据。
对于z轴加速度数据和y轴陀螺仪数据,可以采用同样的滤波公式进行平滑滤波。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种基于六轴传感器的跑步姿态检测方法,其特征在于,所述跑步距离校正方法包括:
S1:利用六轴传感器获取用户跑步方向上的x轴加速度数据、z轴加速度数据和y轴陀螺仪数据;
S2:对所述x轴加速度数据、z轴加速度数据和y轴陀螺仪数据的波峰和波谷进行检测,得到步态周期;
S3:计算每一步态周期内的x轴加速度数据、z轴加速度数据和y轴陀螺仪数据的均值、方差、最大值和最小值特征值,组成特征向量;
S4:将所述特征向量进行归一化处理得到标准化向量;
S5:将所述标准化向量输入预先训练好的Softmax分类器,分别得到对应前掌着地方式、全掌着地方式和后掌着地方式三种类别的类别值,其中,所述Softmax分类器由多个跑步者的包含前掌着地方式、全掌着地方式和后掌着地方式的历史跑步姿态数据训练得到;
S6:选择最大类别值对应的类别作为跑步姿态结果。
2.根据权利要求1所述的基于六轴传感器的跑步姿态检测方法,其特征在于,所述步骤S1还包括:
对所述x轴加速度数据、z轴加速度数据和y轴陀螺仪数据进行平滑滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910952326.7A CN110694252A (zh) | 2019-10-09 | 2019-10-09 | 一种基于六轴传感器的跑步姿态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910952326.7A CN110694252A (zh) | 2019-10-09 | 2019-10-09 | 一种基于六轴传感器的跑步姿态检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110694252A true CN110694252A (zh) | 2020-01-17 |
Family
ID=69199144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910952326.7A Pending CN110694252A (zh) | 2019-10-09 | 2019-10-09 | 一种基于六轴传感器的跑步姿态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110694252A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200126A (zh) * | 2020-10-26 | 2021-01-08 | 上海盛奕数字科技有限公司 | 一种基于人工智能跑步肢体遮挡姿态识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8930846B2 (en) * | 2010-10-01 | 2015-01-06 | Z124 | Repositioning applications in a stack |
CN106618529A (zh) * | 2016-12-07 | 2017-05-10 | 安徽新华传媒股份有限公司 | 一种基于姿态精确检测的智能化跑步运动分解动作教学系统 |
CN106823347A (zh) * | 2017-01-18 | 2017-06-13 | 深圳市爱康伟达智能医疗科技有限公司 | 一种姿态检测显示装置及方法 |
CN107303181A (zh) * | 2017-05-17 | 2017-10-31 | 浙江利尔达物联网技术有限公司 | 一种基于六轴传感器的脚步运动识别方法 |
CN109009142A (zh) * | 2018-07-06 | 2018-12-18 | 歌尔科技有限公司 | 跑步姿势判定方法、系统、智能穿戴设备及存储介质 |
CN110108278A (zh) * | 2019-05-22 | 2019-08-09 | 北京卡路里信息技术有限公司 | 基于六轴传感器的脚着地确定方法及装置 |
-
2019
- 2019-10-09 CN CN201910952326.7A patent/CN110694252A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8930846B2 (en) * | 2010-10-01 | 2015-01-06 | Z124 | Repositioning applications in a stack |
CN106618529A (zh) * | 2016-12-07 | 2017-05-10 | 安徽新华传媒股份有限公司 | 一种基于姿态精确检测的智能化跑步运动分解动作教学系统 |
CN106823347A (zh) * | 2017-01-18 | 2017-06-13 | 深圳市爱康伟达智能医疗科技有限公司 | 一种姿态检测显示装置及方法 |
CN107303181A (zh) * | 2017-05-17 | 2017-10-31 | 浙江利尔达物联网技术有限公司 | 一种基于六轴传感器的脚步运动识别方法 |
CN109009142A (zh) * | 2018-07-06 | 2018-12-18 | 歌尔科技有限公司 | 跑步姿势判定方法、系统、智能穿戴设备及存储介质 |
CN110108278A (zh) * | 2019-05-22 | 2019-08-09 | 北京卡路里信息技术有限公司 | 基于六轴传感器的脚着地确定方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200126A (zh) * | 2020-10-26 | 2021-01-08 | 上海盛奕数字科技有限公司 | 一种基于人工智能跑步肢体遮挡姿态识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hsu et al. | Human daily and sport activity recognition using a wearable inertial sensor network | |
CN111144217B (zh) | 一种基于人体三维关节点检测的动作评价方法 | |
KR102292683B1 (ko) | 보행 환경 인식 방법 및 장치 | |
WO2018120964A1 (zh) | 一种基于深度信息和骨骼信息的姿势矫正方法 | |
WO2018040757A1 (zh) | 可穿戴设备及利用其监测运动状态的方法 | |
Jensen et al. | Classification of kinematic swimming data with emphasis on resource consumption | |
CN107657277B (zh) | 一种基于大数据的人体异常行为检测与判定方法及系统 | |
WO2005087452A1 (ja) | ロボット装置、及びその動作制御方法、並びに移動装置 | |
Thiemjarus et al. | A study on instance-based learning with reduced training prototypes for device-context-independent activity recognition on a mobile phone | |
CN105159452B (zh) | 一种基于人脸姿态估计的控制方法与系统 | |
CN112200074A (zh) | 一种姿态对比的方法和终端 | |
CN110977961A (zh) | 一种自适应助力外骨骼机器人运动信息采集系统 | |
WO2017093814A1 (en) | Wearable inertial electronic device | |
Hafeez et al. | Multi-fusion sensors for action recognition based on discriminative motion cues and random forest | |
Yang et al. | Human posture recognition in intelligent healthcare | |
Krzeszowski et al. | Gait recognition based on marker-less 3D motion capture | |
CN112115790A (zh) | 人脸识别方法、装置、可读存储介质和电子设备 | |
CN110276380B (zh) | 一种基于深度模型框架的实时运动在线指导系统 | |
CN114495273A (zh) | 一种机器人手势遥操作方法及相关装置 | |
CN110694252A (zh) | 一种基于六轴传感器的跑步姿态检测方法 | |
WO2018014432A1 (zh) | 语音应用触发控制方法、装置及终端 | |
CN116019443A (zh) | 一种心肺复苏胸外按压合规性检测系统及方法 | |
Arowolo et al. | Development of a human posture recognition system for surveillance application | |
CN113916223B (zh) | 定位方法及装置、设备、存储介质 | |
Daga et al. | Silhouette based human fall detection using multimodal classifiers for content based video retrieval systems |
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: 20200117 |
|
RJ01 | Rejection of invention patent application after publication |