CN111358472A - 一种步态探测算法、装置以及系统 - Google Patents

一种步态探测算法、装置以及系统 Download PDF

Info

Publication number
CN111358472A
CN111358472A CN202010231228.7A CN202010231228A CN111358472A CN 111358472 A CN111358472 A CN 111358472A CN 202010231228 A CN202010231228 A CN 202010231228A CN 111358472 A CN111358472 A CN 111358472A
Authority
CN
China
Prior art keywords
value
combined acceleration
preset
acceleration module
climbing
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
Application number
CN202010231228.7A
Other languages
English (en)
Other versions
CN111358472B (zh
Inventor
毕京学
姚国标
宁一鹏
王�琦
桑文刚
郭秋英
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.)
Shandong Jianzhu University
Original Assignee
Shandong Jianzhu University
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 Shandong Jianzhu University filed Critical Shandong Jianzhu University
Priority to CN202010231228.7A priority Critical patent/CN111358472B/zh
Publication of CN111358472A publication Critical patent/CN111358472A/zh
Application granted granted Critical
Publication of CN111358472B publication Critical patent/CN111358472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels

Abstract

本发明适用于计算机技术领域，涉及一种步态探测算法、装置以及系统，所述步态探测算法包括：将爬坡次数与下坡次数重置为0，直至合加速度模值大于预设阈值；更新爬坡次数与下坡次数，直至爬坡次数大于预设阈值，且合加速度模值处于峰值；将下坡次数重置为0，并更新下坡次数，直至下坡次数大于预设阈值，且合加速度模值处于谷值；将上坡次数重置为0，并更新爬坡次数，直至上坡次数大于预设阈值，且合加速度模值满足预设要求，步数加1。本发明的步态探测算法利用合加速度模值以及相邻时刻合加速度模值差值与预设的多个阈值进行比较，分别确定行走周期中的各个状态，得到完整的行走周期，实现计步，较常规计步算法更加准确。

Description

一种步态探测算法、装置以及系统
技术领域
本发明属于计算机技术领域，尤其涉及一种步态探测算法、装置以及系统。
背景技术
室内定位蓬勃发展20年来，已成为位置服务领域的研究热点。而受室内多杂奇异结构和动态多变环境等因素的影响，单一的室内定位技术难以向用户提供普适、低成本、高精度、连续的定位结果。因此，融合惯性测量单元的室内多源混合定位技术应用广泛，而目前的室内多源混合定位技术通常采用行人航位推算方法。
行人航位推算方法由步态探测、步长估计和航向估计三部分组成，根据行人运动信息的周期性变化识别一步并计算步频和步长，结合陀螺仪等传感器估计航向，从而实现位置推算。步态探测负责识别行人是否迈出一步，为步长估计提供步频信息，并能够为室内多源混合定位同步控制航向输出、无线信号采集与混合定位触发等，因此，步态探测在行人航位推算方法中具有非常重要的作用。步态探测的依据是传感器数据在步行过程中的周期性变化，常用方法有波峰检测法、零速探测法、自相关分析法、谱分析法和有限状态机法。总体而言，现有的步态探测方法具有较高的计步准确率，但是仍然存在部分误判，无法满足现阶段普适室内定位亚米级精度的要求。
可见，现有的步态探测算法还存在着计步准确率不足以满足室内定位亚米级精度要求的技术问题。
发明内容
本发明实施例的目的在于提供一种步态探测算法，旨在解决现有的步态探测算法还存在的计步准确率不足以满足室内定位亚米级精度要求的技术问题。
本发明实施例是这样实现的，一种步态探测算法，应用于可持续获取用户三轴加速度的移动设备端，包括：
将爬坡次数与下坡次数重置为0；
当判断当前时刻下的合加速度模值大于预设的静止状态下合加速度模值阈值时，根据相邻时刻下合加速度模值的差值更新爬坡次数与下坡次数；
当判断爬坡次数大于预设的首轮爬坡次数阈值时，且前一时刻下的合加速度模值大于相邻两个时刻下的合加速度模值时，将下坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新下坡次数；
当判断下坡次数大于预设的下坡次数阈值时，且前一时刻下的合加速度模值小于相邻两个时刻下的合加速度模值时，将上坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新爬坡次数；
当判断上坡次数大于预设的的次轮爬坡次数阈值时，且当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值满足预设的条件时，使步数加1。
本发明实施例的另一目的在于提供一种步态探测装置，设置于可持续获取用户三轴加速度的移动设备端上，包括：
初始状态确定模块，用于将爬坡次数与下坡次数重置为0；
爬坡状态切换模块，用于当判断当前时刻下的合加速度模值大于预设的静止状态下合加速度模值阈值时，根据相邻时刻下合加速度模值的差值更新爬坡次数与下坡次数；
下坡状态切换模块，用于当判断爬坡次数大于预设的首轮爬坡次数阈值时，且前一时刻下的合加速度模值大于相邻两个时刻下的合加速度模值时，将下坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新下坡次数；
次轮爬坡状态切换模块，用于当判断下坡次数大于预设的下坡次数阈值时，且前一时刻下的合加速度模值小于相邻两个时刻下的合加速度模值时，将上坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新爬坡次数；
结束状态确定模块，用于当判断上坡次数大于预设的的次轮爬坡次数阈值时，且当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值满足预设的条件时，使步数加1。
本发明实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述的步骤。
本发明实施例的另一目的在于提供一种步态探测系统，其特征在于，包括可持续获取用户三轴加速度的移动设备端以及步态探测装置，所述步态探测装置用于按照如上述所述的步态探测方法实现步态探测。
本发明实施例提供的一种步态探测算法，主要应用于可持续获取用户三轴加速度的移动设备端，通过利用各个时刻下的合加速度模值以及相邻时刻下的合加速度模值差值与预设的多个阈值进行比较，并将比较结果作为判断条件，从而分别确定行走周期中的各个状态，得到完整的行走周期，实现计步。本发明提供的步态探测算法用于确定状态的条件与现有的步态探测算法不同，经过实验验证，本发明的步态探测算法能够进一步提高计步准确率，满足室内定位亚米级精度要求。
附图说明
图1为本发明实施例提供一个常规的完整行走周期内合加速度模值的变化情况；
图2为本发明实施例提供的一种步态探测算法的步骤流程图；
图3为本发明实施例提供的更新爬坡次数与下坡次数的方法的步骤流程图；
图4为本发明实施例提供的另一种步态探测算法的步骤流程图；
图5为本发明实施例提供的又一种步态探测算法的步骤流程图；
图6为三种不同步态探测算法识别各步完成时间的示意图；
图7为为本发明实施例提供的一种步态探测装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了便于理解本发明所说的步态探测，如图1所示，为一个常规的完整行走周期内合加速度模值的变化情况，具体包括了“平稳(初始)-爬坡-波峰-下坡-波谷-次爬坡-平稳(结束)”7个状态，分别用S0～S6表示，具体如下：
平稳(初始)状态S0：两只脚掌与地面重合，合加速度模值大小约为重力加速度模值；
爬坡状态S1：脚后跟开始离地，合加速度模值不断增大；
波峰状态S2：脚尖离地，合加速度模值达到最大；
下坡状态S3：抬腿至最高后向下迈步的过程，合加速度模值不断减小；
波谷状态S4：脚后跟开始着地，合加速度模值达到最小；
次爬坡状态S5：脚掌着地过程，合加速度模值开始增大；
平稳(结束)状态S6：脚尖着地，合加速度模值大小恢复到初始状态下。
需要说明的是，本申请文件所指的爬坡、波峰、下坡、波谷以及次爬坡均是以合加速度模值的变化状态作为参考，爬坡是指行走过程中合加速度模值逐渐增大的状态，下坡则是指行走过程中合加速度模值逐渐较小的状态。
考虑到行走过程中容易因外界因素而产生抖动或振动，因此实际采集的合加速度模值通常并不会与图1所示的近似正弦曲线完全相同，而是会产生多个伪波峰、伪波谷，而步态探测算法则是需要进一步去筛选出伪波峰、伪波谷，以便确定各个行走周期内各个状态的准确切换点从而得到准确地行走周期，也就是说，采用的步态探测算法不同，往往得到的行走周期也并不相同。目前常用的步态探测算法如基于差分加速度的有限状态机计步方法(AD-FSM)、自相关分析法都能得到较为准确的计步结果，但与室内定位亚米级精度的要求显然还存在一定的差距，本发明所提供的步态探测算法则进一步提高了计步准确率，详述如下。
如图2所示，为本发明实施例提供的一种步态探测算法的步骤流程图，具体包括以下步骤：
步骤S202，将爬坡次数与下坡次数重置为0。
在本发明实施例中，当需要启动计步功能时，会先将当前状态置为初始状态，即将爬坡次数与下坡次数重置为0后再开始进行步态探测。而如果是在连续行走状态下，在步数加1后，也就是上一行走周期处于结束状态时，则会自动切换为下一周期的初始状态，然后将爬坡次数与下坡次数重置为0。
步骤S204，判断当前时刻下的合加速度模值是否大于预设的静止状态下合加速度模值阈值。当判断当前时刻下的合加速度模值大于预设的静止状态下合加速度模值阈值时，执行步骤S206；否则，执行其他步骤。
在本发明实施例中，合加速度模值通常是由可持续获取用户三轴加速度的移动设备端计算得到，通常是利用三轴加速度计测量，其中ax、ay、az分别表示三轴加速度，则合加速度模值A满足：
Figure BDA0002429340260000061
在本发明实施例中，通过将当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值进行比较，就可以确定是否进入爬坡状态S1。而当当前时刻下的合加速度模值未超过预设的静止状态下合加速度模值阈值时，表明仍处于初始状态S0下，直至当前时刻下的合加速度模值大于预设的静止状态下合加速度模值阈值时，表明由初始状态S0切换至爬坡状态S1。
作为本发明的一个实施例，所述预设的静止状态下合加速度模值阈值通常与当地的重力加速度g相关，通常设为9.81m/s2。
步骤S206，根据相邻时刻下合加速度模值的差值更新爬坡次数与下坡次数。
在本发明实施例中，当前处于爬坡状态S1，需要根据相邻时刻下合加速度模值的差值更新爬坡次数与下坡次数，其中具体更新爬坡次数与下坡次数的规则请参阅图3及其解释说明的部分。
步骤S208，判断爬坡次数是否大于预设的首轮爬坡次数阈值，且前一时刻下的合加速度模值是否大于相邻两个时刻下的合加速度模值。当判断爬坡次数大于预设的首轮爬坡次数阈值，且前一时刻下的合加速度模值大于相邻两个时刻下的合加速度模值时，执行步骤S210；否则，执行其他步骤。
在本发明实施例中，通过判断爬坡次数是否大于预设的首轮爬坡次数阈值，且前一时刻下的合加速度模值是否大于相邻两个时刻下的合加速度模值来判断是否进入波峰状态S2，考虑到实际行走过程中存在的伪波峰的问题，通过判断爬坡次数是否大于预设的首轮爬坡次数阈值能够消除伪波峰的影响。显然，当判断爬坡次数大于预设的首轮爬坡次数阈值，且前一时刻下的合加速度模值大于相邻两个时刻下的合加速度模值时，此时进入波峰状态S2，否则，当前状态仍然处于爬坡状态S1。
步骤S210，将下坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新下坡次数。
在本发明实施例中，在进入波峰状态S2后，将下坡次数重置为0，此时则进入下坡状态S3，并进一步根据相邻时刻下合加速度模值的差值更新下坡次数。
步骤S212，判断下坡次数是否大于预设的下坡次数阈值，且前一时刻下的合加速度模值是否小于相邻两个时刻下的合加速度模值。当判断下坡次数大于预设的下坡次数阈值，且前一时刻下的合加速度模值是否小于相邻两个时刻下的合加速度模值时，执行步骤S214；否则，执行其他步骤。
在本发明实施例中，通过判断下坡次数是否大于预设的下坡次数阈值，且前一时刻下的合加速度模值是否小于相邻两个时刻下的合加速度模值来判断是否进入波谷状态S4。同样的，先判断下坡次数是否大于预设的下坡次数阈值同样可以有效地消除实际行走过程中伪波谷的影响。显然，当下坡次数大于预设的下坡次数阈值，且前一时刻下的合加速度模值小于相邻两个时刻下的合加速度模值时，此时进入波谷状态S4，否则仍然处于下坡状态S3。
步骤S214，将上坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新爬坡次数。
在本发明实施例中，在进入波谷状态S4后，将下坡次数重置为0，此时则进入次爬坡状态S5，并进一步根据相邻时刻下合加速度模值的差值更新爬坡次数。
步骤S216，判断上坡次数是否大于预设的次轮爬坡次数阈值，且当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值是否满足预设的条件。当判断上坡次数大于预设的的次轮爬坡次数阈值，且当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值满足预设的条件时，执行步骤S218；否则，执行其他步骤。
在本发明实施例中，通过判断上坡次数是否大于预设的次轮爬坡次数阈值，且当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值是否满足预设的条件，就可以判断是否进入结束状态S6。
在本发明实施例中，所述当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值满足预设的条件通常是指：当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值小于预设的阈值。进一步的，所述预设的阈值不应过大或者过小。若预设的阈值数值较大，算法会提前或延后较长时间进入结束状态，导致当前步态周期估算错误；若预设的阈值数值较小，算法很可能无法进入结束状态和开始状态。作为优选，通过多次实验分析，所述预设的阈值设在0.15m/s2～0.25m/s2之间。
步骤S218，使步数加1。
在本发明实施例中，当当前状态处于结束状态时，表明经过了一个完整的步长周期，此时，使步数加1，同时切换至下一个步长周期的初始状态，即返回至下一个步长的步骤S202。
本发明实施例提供的一种步态探测算法，主要应用于可持续获取用户三轴加速度的移动设备端，通过利用各个时刻下的合加速度模值以及相邻时刻下的合加速度模值差值与预设的多个阈值进行比较，并将比较结果作为判断条件，从而分别确定行走周期中的各个状态，得到完整的行走周期，实现计步。本发明提供的步态探测算法用于确定状态的条件与现有的步态探测算法不同，经过实验验证，本发明的步态探测算法能够进一步提高计步准确率，满足室内定位亚米级精度要求。
如图3所示，为本发明实施例提供的更新爬坡次数与下坡次数的方法的步骤流程图，具体包括以下步骤。
步骤S302，当判断当前时刻下的合加速度模值与上一时刻下的合加速度模值的差值大于预设的差值阈值时，使爬坡次数加1。
步骤S304，当判断当前时刻下的合加速度模值与上一时刻下的合加速度模值的差值小于预设的差值阈值的相反数时，使下坡次数加1。
在本发明实施例中，设Ak表示在时刻k下的合加速度模值，Adiff_Thr为预设的差值阈值，TCl_k和TDe_k分别表示在时刻k时统计的爬坡次数与下坡次数，则
Figure BDA0002429340260000091
在本发明实施例中，预设的差值阈值Adiff_Thr是判断合加速度模值变化的标准，直接影响到爬坡次数和下坡次数的统计。若差值阈值Adiff_Thr设置过大，爬坡次数和下坡次数难以达到次数阈值，从而无法实现状态的识别和转移，难以实现计步，导致计步不准；若差值阈值Adiff_Thr设置过小，爬坡次数和下坡次数很容易超过次数阈值，无法消除伪波峰以及伪波谷对步态周期的影响，导致步态周期估计错误。
作为本发明的一个优选实施例，通过多次实验分析，预设的差值阈值取在0.034m/s2～0.054m/s2之间。此时，不仅能够达到100％的步数识别准确率，还能准确地识别一步完成时间，并确定步态周期。
本发明实施例进一步提供了一种更新爬坡次数与下坡次数的步骤流程图，通过预设合适的差值阈值，既避免了差值阈值设置过大，爬坡次数和下坡次数难以达到次数阈值，从而无法实现状态的识别和转移，难以实现计步，导致计步不准的技术问题，又避免了差值阈值设置过小，爬坡次数和下坡次数很容易超过次数阈值，无法消除伪波峰以及伪波谷对步态周期的影响，导致步态周期估计错误的技术问题。
如图4所示，为本发明实施例提供的另一种步态探测算法的步骤流程图，详述如下。
在本发明实施例中，与图2所示出的一种步态探测算法的步骤流程图的区别在于：
当判断当前时刻下的合加速度模值大于预设的静止状态下合加速度模值阈值时，执行步骤S402；
步骤S402，将当前时刻确定为周期开始时刻。
在所述步骤S218之后，还包括：
步骤S404，将当前时刻确定为周期结束时刻，并根据所述周期开始时刻与所述周期结束时刻确定当前步长的周期。
本发明实施例进一步提供了确定步长周期开始时刻以及步长周期结束时刻的过程，利用本发明的步态探测算法所确定的步长周期更为精确，具体请参阅后续图6及其解释说明。
如图5所示，为本发明实施例提供的又一种步态探测算法的步骤流程图，详述如下。
在本发明实施例中，与图2所示出的一种步态探测算法的步骤流程图的区别在于：
在所述步骤S206之后，还包括：
步骤S502，判断下坡次数是否大于预设的下坡次数干扰阈值。当判断下坡次数大于预设的下坡次数干扰阈值时，返回至所述步骤S202；否则执行步骤S208。
在本发明实施例中，考虑到实际行走过程中因抖动存在的伪波峰，显然伪波峰的存在会使下坡次数增加，通过设置一定的下坡次数干扰阈值，能够在下坡次数超过一定次数后重置为初始状态，从而消除伪波峰的影响。显然，下坡次数干扰阈值设置过小，会导致算法在起始状态和爬坡状态之间不断转换，若下坡次数干扰阈值设置过大，算法可能会将伪波峰作为真正波峰处理，影响步数识别精度。作为优选，实验测定当下坡次数干扰阈值预设为3时，能够较优的消除伪波峰的影响。
作为本发明的一个优选实施例，考虑到行人的正常步行频率范围为1.4～2.5Hz，而通常加速度计的采样频率为50Hz，也就是完整一步的窗口范围为20～36，则预设的首轮爬坡次数阈值、预设的下坡次数阈值、预设的次轮爬坡次数阈值以及预设的下坡次数干扰阈值之和须不大于20。进一步的，所述预设的首轮爬坡次数阈值为4、预设的下坡次数阈值为7、预设的次轮爬坡次数阈值为5、预设的下坡次数干扰阈值为3。
为了进一步表明本发明提供的步态探测算法相对于现有的步态探测算法的进步性，以下述行走实验为例：实验人员男女各1名，分别以预设的轨迹行走，在走廊拐弯处无停留，并以50Hz的采样频率连续采集加速度。其中，完整的行走实验测试过程以及采集的加速度数据已上传至Github共享数据库中，具体网址为：https://github.com/renwudao24/AccDataForStepDetection。其中，分别利用基于差分加速度的有限状态机计步方法(AD-FSM)、自相关分析法以及本发明提供的步态探测算法(阈值的设定请参阅前述对各个阈值设定的说明)统计步数，具体的步数统计结果如下表1：
表1：三种算法步数统计结果
Figure BDA0002429340260000121
结合上表可知，AD-FSM对男性实验人员和女性实验人员的步数识别准确率分别达到了99.3％和99.06％，而自相关分析对男性实验人员和女性实验人员的步数识别准确率分别达到了98.24％和99.06％。可以说AD-FSM和自相关分析法在一定程度上已经能够实现较高的步数识别准确率，然而随着社会的进步，目前的步数识别准确率尚不能满足室内定位亚米级的精度要求。然而，本发明技术方案公开的步态探测算法进一步提高了步数识别准确率，识别准确率达到了100％，为室内定位亚米级的精度的实现奠定了基础。
此外，进一步以男性实验人员前10步的实验数据分析三种步态探测算法的步态周期和时间延迟。具体的，如图6所示，分别为AD-FSM算法、自相关分析算法和本文所提到的步态探测算法(自定义简称为IFSM算法)基于男性实验人员加速度数据识别前10步中每一步的完成时间，以及每一步的真实完成时间，其中横轴表示时间。
结合图6可知，三角形(AD-FSM算法的步数完成识别时刻)都在十字(步数真实完成时刻)的右边，而且距离较远，这说明AD-FSM算法识别的每一步都存在明显的时间延迟，而矩形和圆点都在十字的左边，且较为接近，这说明自相关分析和本发明提供的步态探测算法(IFSM算法)都能提前识别每一步的完成时间，而且圆点相比于矩形更接近十字，这表明本发明提供的步态探测算法(IFSM算法)识别每一步的时间更准确。具体来说，AD-FSM算法识别10步时间延迟了0.26秒，而自相关分析算法识别10步时间提前了0.1秒，而IFSM算法识别10步时间提前了0.04秒。因此，本文提出的步态探测算法在同步控制方面更具优势。
此外，对男性实验人员前10步的实际平均步态周期进行计算，其中实际平均步态周期为0.542秒，而利用AD-FSM算法计算得到的平均步态周期为0.568秒，与实际情况相差0.026秒；利用自相关分析计算得到的平均步态周期为0.532秒，与实际情况相差0.01秒；而利用本文提出的步态探测算法计算得到的平均步态周期为0.538秒，与实际情况相差0.004秒，可见，本文提出的步态探测算法计算得到的平均步态周期更接近真实情况，即利用该步态周期计算得到步频和步长将更精准，进一步提高了室内定位的准确度。
结合前述实验分析可知，本发明提供的步态探测算法相比于现有的常用的两种步态探测算法(AD-FSM算法和自相关分析法)无论是在步数识别准确率、还是在步态周期计算偏差上都有了进一步的提高，且与真实行走状态同步性更好，为室内定位亚米级精度的要求打下基础。
如图7所示，为本发明实施例提供的一种步态探测装置的结构示意图，详述如下。
在本发明实施例中，所述步态探测装置包括：
初始状态确定模块710，用于将爬坡次数与下坡次数重置为0。
在本发明实施例中，当需要启动计步功能时，会先将当前状态置为初始状态，即将爬坡次数与下坡次数重置为0后再开始进行步态探测。而如果是在连续行走状态下，在步数加1后，也就是上一行走周期处于结束状态时，则会自动切换为下一周期的初始状态，然后将爬坡次数与下坡次数重置为0。
爬坡状态切换模块720，用于当判断当前时刻下的合加速度模值大于预设的静止状态下合加速度模值阈值时，根据相邻时刻下合加速度模值的差值更新爬坡次数与下坡次数。
在本发明实施例中，合加速度模值通常是由可持续获取用户三轴加速度的移动设备端计算得到，通常是利用三轴加速度计测量，其中ax、ay、az分别表示三轴加速度，则合加速度模值A满足：
Figure BDA0002429340260000141
在本发明实施例中，通过将当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值进行比较，就可以确定是否进入爬坡状态S1。而当当前时刻下的合加速度模值未超过预设的静止状态下合加速度模值阈值时，表明仍处于初始状态S0下，直至当前时刻下的合加速度模值大于预设的静止状态下合加速度模值阈值时，表明由初始状态S0切换至爬坡状态S1。
作为本发明的一个实施例，所述预设的静止状态下合加速度模值阈值通常与当地的重力加速度g相关，通常设为9.81m/s2。
在本发明实施例中，当前处于爬坡状态S1，需要根据相邻时刻下合加速度模值的差值更新爬坡次数与下坡次数。
下坡状态切换模块730，用于当判断爬坡次数大于预设的首轮爬坡次数阈值时，且前一时刻下的合加速度模值大于相邻两个时刻下的合加速度模值时，将下坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新下坡次数。
在本发明实施例中，通过判断爬坡次数是否大于预设的首轮爬坡次数阈值，且前一时刻下的合加速度模值是否大于相邻两个时刻下的合加速度模值来判断是否进入波峰状态S2，考虑到实际行走过程中存在的伪波峰的问题，通过判断爬坡次数是否大于预设的首轮爬坡次数阈值能够消除伪波峰的影响。显然，当判断爬坡次数大于预设的首轮爬坡次数阈值，且前一时刻下的合加速度模值大于相邻两个时刻下的合加速度模值时，此时进入波峰状态S2，否则，当前状态仍然处于爬坡状态S1。
在本发明实施例中，在进入波峰状态S2后，将下坡次数重置为0，此时则进入下坡状态S3，并进一步根据相邻时刻下合加速度模值的差值更新下坡次数。
次轮爬坡状态切换模块740，用于当判断下坡次数大于预设的下坡次数阈值时，且前一时刻下的合加速度模值小于相邻两个时刻下的合加速度模值时，将上坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新爬坡次数。
在本发明实施例中，通过判断下坡次数是否大于预设的下坡次数阈值，且前一时刻下的合加速度模值是否小于相邻两个时刻下的合加速度模值来判断是否进入波谷状态S4。同样的，先判断下坡次数是否大于预设的下坡次数阈值同样可以有效地消除实际行走过程中伪波谷的影响。显然，当下坡次数大于预设的下坡次数阈值，且前一时刻下的合加速度模值小于相邻两个时刻下的合加速度模值时，此时进入波谷状态S4，否则仍然处于下坡状态S3。
在本发明实施例中，在进入波谷状态S4后，将下坡次数重置为0，此时则进入次爬坡状态S5，并进一步根据相邻时刻下合加速度模值的差值更新爬坡次数。
结束状态确定模块750，用于当判断上坡次数大于预设的的次轮爬坡次数阈值时，且当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值满足预设的条件时，使步数加1。
在本发明实施例中，通过判断上坡次数是否大于预设的次轮爬坡次数阈值，且当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值是否满足预设的条件，就可以判断是否进入结束状态S6。
在本发明实施例中，所述当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值满足预设的条件通常是指：当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值小于预设的阈值。进一步的，所述预设的阈值不应过大或者过小。若预设的阈值数值较大，算法会提前或延后较长时间进入结束状态，导致当前步态周期估算错误；若预设的阈值数值较小，算法很可能无法进入结束状态和开始状态。作为优选，通过多次实验分析，所述预设的阈值设在0.15m/s2～0.25m/s2之间。
在本发明实施例中，当当前状态处于结束状态时，表明经过了一个完整的步长周期，此时，使步数加1，同时切换至下一个步长周期的初始状态。
本发明实施例提供的一种步态探测装置，主要应用于可持续获取用户三轴加速度的移动设备端，通过利用各个时刻下的合加速度模值以及相邻时刻下的合加速度模值差值与预设的多个阈值进行比较，并将比较结果作为判断条件，从而分别确定行走周期中的各个状态，得到完整的行走周期，实现计步。本发明提供的步态探测装置用于确定状态的条件与现有的步态探测算法不同，经过实验验证，本发明的步态探测算法能够进一步提高计步准确率，满足室内定位亚米级精度要求。
本发明实施例还提供一种步态探测系统，包括可持续获取用户三轴加速度的移动设备端及步态探测装置，其中步态探测装置用于按照如上述图2～图5所示出的任意一种步态探测算法的步骤流程图实现步态探测。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种步态探测算法，其特征在于，应用于可持续获取用户三轴加速度的移动设备端，包括：
将爬坡次数与下坡次数重置为0；
当判断当前时刻下的合加速度模值大于预设的静止状态下合加速度模值阈值时，根据相邻时刻下合加速度模值的差值更新爬坡次数与下坡次数；
当判断爬坡次数大于预设的首轮爬坡次数阈值时，且前一时刻下的合加速度模值大于相邻两个时刻下的合加速度模值时，将下坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新下坡次数；
当判断下坡次数大于预设的下坡次数阈值时，且前一时刻下的合加速度模值小于相邻两个时刻下的合加速度模值时，将上坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新爬坡次数；
当判断上坡次数大于预设的的次轮爬坡次数阈值时，且当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值满足预设的条件时，使步数加1。
2.根据权利要求1所述的步态探测算法，其特征在于，所述根据相邻时刻下合加速度模值的差值更新爬坡次数与下坡次数的步骤具体包括：
当判断当前时刻下的合加速度模值与上一时刻下的合加速度模值的差值大于预设的差值阈值时，使爬坡次数加1；
当判断当前时刻下的合加速度模值与上一时刻下的合加速度模值的差值小于预设的差值阈值的相反数时，使下坡次数加1。
3.根据权利要求1所述的步态探测算法，其特征在于，在所述当判断当前时刻下的合加速度模值大于预设的静止状态下合加速度模值阈值时的步骤之后，还包括：
将当前时刻确定为周期开始时刻；
在所述使步数加1的步骤之后，还包括：
将当前时刻确定为周期结束时刻，并根据所述周期开始时刻与所述周期结束时刻确定当前步的周期。
4.根据权利要求1所述的步态探测算法，其特征在于，在所述根据相邻时刻下合加速度模值的差值更新爬坡次数与下坡次数的步骤之后，还包括：
当判断下坡次数大于预设的下坡次数干扰阈值时，返回至所述将爬坡次数与下坡次数重置为0的步骤。
5.根据权利要求1所述的步态探测算法，其特征在于，所述预设的静止状态下合加速度模值阈值与当地重力加速度有关。
6.根据权利要求2所述的步态探测算法，其特征在于，所述预设的差值阈值位于0.034m/s2~0.054m/s2之间。
7.根据权利要求4所述的步态探测算法，其特征在于，所述预设的首轮爬坡次数阈值、预设的下坡次数阈值、预设的次轮爬坡次数阈值以及预设的下坡次数干扰阈值之和不高于20。
8.根据权利要求7所述的步态探测算法，其特征在于，所述预设的首轮爬坡次数阈值为4、预设的下坡次数阈值为7、预设的次轮爬坡次数阈值为5、预设的下坡次数干扰阈值为3。
9.一种步态探测装置，其特征在于，设置于可持续获取用户三轴加速度的移动设备端上，包括：
初始状态确定模块，用于将爬坡次数与下坡次数重置为0；
爬坡状态切换模块，用于当判断当前时刻下的合加速度模值大于预设的静止状态下合加速度模值阈值时，根据相邻时刻下合加速度模值的差值更新爬坡次数与下坡次数；
下坡状态切换模块，用于当判断爬坡次数大于预设的首轮爬坡次数阈值时，且前一时刻下的合加速度模值大于相邻两个时刻下的合加速度模值时，将下坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新下坡次数；
次轮爬坡状态切换模块，用于当判断下坡次数大于预设的下坡次数阈值时，且前一时刻下的合加速度模值小于相邻两个时刻下的合加速度模值时，将上坡次数重置为0，并根据相邻时刻下合加速度模值的差值更新爬坡次数；
结束状态确定模块，用于当判断上坡次数大于预设的的次轮爬坡次数阈值时，且当前时刻下的合加速度模值与预设的静止状态下合加速度模值阈值之间的差值满足预设的条件时，使步数加1。
10.一种步态探测系统，其特征在于，包括可持续获取用户三轴加速度的移动设备端以及步态探测装置，所述步态探测装置用于按照如权利要求1~8任一权利要求所述的步态探测算法实现步态探测。
CN202010231228.7A 2020-03-27 2020-03-27 一种步态探测算法、装置以及系统 Active CN111358472B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010231228.7A CN111358472B (zh) 2020-03-27 2020-03-27 一种步态探测算法、装置以及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010231228.7A CN111358472B (zh) 2020-03-27 2020-03-27 一种步态探测算法、装置以及系统

Publications (2)

Publication Number Publication Date
CN111358472A true CN111358472A (zh) 2020-07-03
CN111358472B CN111358472B (zh) 2022-08-23

Family

ID=71198906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010231228.7A Active CN111358472B (zh) 2020-03-27 2020-03-27 一种步态探测算法、装置以及系统

Country Status (1)

Country Link
CN (1) CN111358472B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009041738A1 (ja) * 2007-09-28 2009-04-02 Fujitsu Ten Limited ドライブレコーダ及びドライブレコーダの設定方法
CN101694499A (zh) * 2009-10-22 2010-04-14 浙江大学 基于行人步态检测的步速测量和传输的系统和方法
CN101699375A (zh) * 2009-11-06 2010-04-28 深圳华为通信技术有限公司 一种轨迹球的控制方法和装置
CN103604441A (zh) * 2013-11-15 2014-02-26 中国科学院深圳先进技术研究院 一种计量步伐数的系统、方法及移动终端
CN107462258A (zh) * 2017-07-13 2017-12-12 河海大学 一种基于手机三轴加速度传感器的计步方法
CN108844533A (zh) * 2018-04-24 2018-11-20 西安交通大学 一种基于多传感器融合和姿态解算的自由姿态pdr定位方法
CN109099922A (zh) * 2018-08-14 2018-12-28 桂林电子科技大学 一种基于物理场的室内定位方法
CN109938740A (zh) * 2019-03-08 2019-06-28 深圳大学 一种步态周期检测方法、装置及计算机可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009041738A1 (ja) * 2007-09-28 2009-04-02 Fujitsu Ten Limited ドライブレコーダ及びドライブレコーダの設定方法
CN101694499A (zh) * 2009-10-22 2010-04-14 浙江大学 基于行人步态检测的步速测量和传输的系统和方法
CN101699375A (zh) * 2009-11-06 2010-04-28 深圳华为通信技术有限公司 一种轨迹球的控制方法和装置
CN103604441A (zh) * 2013-11-15 2014-02-26 中国科学院深圳先进技术研究院 一种计量步伐数的系统、方法及移动终端
CN107462258A (zh) * 2017-07-13 2017-12-12 河海大学 一种基于手机三轴加速度传感器的计步方法
CN108844533A (zh) * 2018-04-24 2018-11-20 西安交通大学 一种基于多传感器融合和姿态解算的自由姿态pdr定位方法
CN109099922A (zh) * 2018-08-14 2018-12-28 桂林电子科技大学 一种基于物理场的室内定位方法
CN109938740A (zh) * 2019-03-08 2019-06-28 深圳大学 一种步态周期检测方法、装置及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHANG MEI: "A Determination Method for Gait Event Based on", 《SENSORS》 *
岑世欣: "基于自适应阈值的行人惯性导航零速检测算法", 《压电与声光》 *

Also Published As

Publication number Publication date
CN111358472B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
KR101250215B1 (ko) 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법
TWI518304B (zh) 一種基於三軸加速計的計步方法和計步器
CN110274592B (zh) 一种腰部脚部惯性测量单元信息融合的零速区间确定方法
US20150063135A1 (en) Client, server, and wireless signal map creating system using the same
US20140257766A1 (en) Adaptive probabilistic step detection for pedestrian positioning
KR102192451B1 (ko) 복합 보행 동작 인식 기반 스마트 신발 및 이의 데이터 처리 방법
RU2017135221A (ru) Системы и способы использования транспортным средством транспортного потока
CN111358472B (zh) 一种步态探测算法、装置以及系统
TWI439947B (zh) 辨識人體移動行為之方法及系統
KR101452373B1 (ko) WPS(WIFI positioning system)를 이용한 PDR(pedestrian dead reckoning) 보폭 추정 방법 및 시스템
CN110455284A (zh) 一种基于mems-imu的行人运动模式识别方法及装置
Zhao et al. A new approach of real time step length estimation for waist mounted PDR system
EP3388951A1 (en) A device and method for more accurately characterizing the movements of a pedestrian
JP2006170879A (ja) 高さ方向移動検出装置、高さ検出装置、ナビゲーション装置、プログラム、および携帯無線電話端末装置
JP6329915B2 (ja) 測位システム
CN115060253A (zh) 走失寻迹方法、系统、设备及计算机存储介质
CN112135245B (zh) 一种基于距离逼近判别蓝牙的行人定位校正方法
WO2018099089A1 (zh) 一种静止状态的判断方法及装置
Ping et al. Pedestrian stride-length estimation based on bidirectional LSTM network
JP5952907B2 (ja) 歩行様式判別システム、歩行様式判別装置及び歩行様式判別方法
Beibei et al. An improved in stride estimation algorithm of pedestrian dead reckoning
KR101807591B1 (ko) 보행속도의 추정방법 및 추정장치
KR20160109712A (ko) 만보계 기능을 제공하는 단말의 제어 방법 및 그 단말
KR20070106273A (ko) 교통정보 생성 및 제공 방법 및 그 서버 및 시스템
CN112923922B (zh) 一种计步和确定行人的位置信息的方法、系统及存储介质

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