CN112569567A - 护腿板监测方法 - Google Patents

Abstract

本发明涉及大数据处理技术领域，具体涉及一种护腿板监测方法，该方法在球员护腿板上设有IMU传感器，对左腿IMU及右腿IMU采集到的信息分别进行处理，分为第一阶段处理、第二阶段处理和第三阶段处理，从而进行精准的运动员腿部运动轨迹侦测和判断，本发明判断准确性高，且通过本发明的算法能够准确实现运动员不同运动轨迹的实时在线监测。

Description

护腿板监测方法

技术领域

本发明涉及大数据处理技术领域，具体涉及一种护腿板监测方法。

背景技术

由于足球比赛的高对抗性，球员被踢到小腿是很经常的事情。从物理学上讲护腿板就是分散、缓冲施加到小腿上的压力和冲力，从而保护球员。护腿板一般为刚性板，可以分散对方腿和鞋施加的力。另外，护腿板和腿之间的空隙可以起到缓冲的作用，腿骨和护腿板间的皮肉也有缓冲作用，防止骨折。护腿板对于运动员，特别是足球、橄榄球、曲棍球、冰球等运动员特别重要。

由于护腿板是足球球员必需装备，而足球是运动员小腿剧烈运动的运动之一，因此通过设置在护腿板上的传感器的位置设置，并配合精密的监测算法，从而实现对运动员运动轨迹的精准监测，为大数据处理分析球员肢体运动的实时轨迹提供坚实有力的数据基础。而现有技术中具有的一些护腿板上配置的电子监测设备，其监测轨迹的技术还有待加强，且由于运动员的踢球球轨迹监测技术由于其受到一系列人体运动力学和定位技术等的准确性的影响，目前的通过护腿板来进行球员踢球轨迹监测技术的精准度还有待加强。

发明内容

为此，需要提供一种护腿板监测方法，通过对球员佩戴的护腿板改进的更加精准的数据采集和数据处理方式，实现对球员踢球运动轨迹的实时智能监测。

为了实现上述目的，本发明提供了一种护腿板监测方法，该方法首先包括佩戴在球员身上的护腿板，每个护腿板上设有IMU传感器，所述IMU传感器设置在护腿板的内侧，对于每一球员，IMU传感器其分为左腿IMU及右腿IMU，所述IMU传感器用于采集球员运动点位移信息，并将该位移信息发送至后台数据库进行运算处理，在采集球员运动点位移信息时，为了更加清晰地定位球员运动点位移变量，首先定义以下符号：

a_x为x轴加速度讯号，

a_y为y轴加速度讯号，

a_z为z轴加速度讯号，

为三轴加速度讯号的范数，

ω_x为x轴角速度讯号，

ω_y为y轴角速度讯号，

ω_z为z轴角速度讯号，

为三轴角速度讯号的范数，

g代表标准重力，1g＝9.81m/s²1g＝9.81m/s²，

定义了上述符号后，对左腿IMU及右腿IMU采集到的信息分别进行处理，分为三个阶段，分别为：

第一阶段处理：根据定义上述符号将采集的到的运动点移变量进行预处理，预处理阶段中包含了:

(a)定义旋转左腿IMU与右腿IMU的三轴方向，应用3x3旋转矩阵，使得左腿与右腿的IMU三轴方向为:

x轴指向使用者秉直站立时的正前方，

y轴指向使用者秉直站立时的左手方，

z轴指向使用者秉直站立时的正上方，

(b)过滤并除去IMU采集信号的杂讯，应用低通滤波器，其滤波器设置参数为:

截止频率(cut-off frequency)＝15Hz，

阶数(order)＝2。

(c)左腿IMU传感器与右腿IMU传感器时间同步，确保侦测出来的运动事件的时间排序与差距为正确的。

第二阶段处理：分别对左腿IMU传感器和右腿IMU传感器采用运动事件侦测算法进行运动事件侦测，其中包括了:

(a)步伐运动事件侦测算法，该算法用于寻找并侦测抬腿特征，摆腿特征与踏地特征。

若三个特征皆有侦测到并依照时间顺序抬腿->摆腿->踏地并且特征与特征之前德时间差距不超过200毫秒，则判断为一步伐运动事件并计算步伐长度(step_length)、步伐时间(step_duration)和μ参数:

1.步伐长度(step_length):

a_z,max为从抬腿到踏地期间a_z的最大值，

a_z,min为从抬腿到踏地期间a_z的最小值，

k为步伐长度校准参数，需要事先校准，预设值设定为1.0。

2.步伐时间(step_duration):

step_duration的计算方式为本次步伐踏地与上次步伐踏地的时间差距。

3.μ参数:

μ为计算踏地时所需要的参数。其计算方式为:

μ＝(a_z，max+a_z，min)*βμ＝(a_z，max+a_z，min)*β。

相关参数设定为:

ββ＝0.3。

(b)跳跃运动事件侦测算法，该算法用于寻找并侦测腾空特征与落地撞击特征。

(c)踢球运动事件侦测算法，踢球运动事件侦测算法寻找并侦测摆腿特征与撞击特征。当侦测到撞击与摆腿特征并依照时间顺序摆腿->撞击并且特征与特征之前德时间差距不超过200毫秒，则判断为一踢球运动事件并计算摆腿力量。(d)急转运动事件侦测算法，利用Mahony filter[1]计算对旋转轴与地面垂直的旋转角度

若在t_turn内侦测到

的变化

有超过

则判断为一急转运动事件。相关参数设定为:

t_turn＝1000毫秒，

度。

另外，Mahony filter内部参数设定为:

K_p＝2.0，

K_i＝0，

dt＝0.01。

第三阶段处理：分别将左腿IMU与右腿IMU所计算的运动事件通过蓝芽传输到移动设备端，标注所有运动事件为未处理事件，之后根据运动事件时间先后顺序排列双脚运动事件，最后再进行后处理算法，后处理算法是转换各个运动事件成运动数据，其步骤为:

步骤1:跑动相关后处理算法，

步骤2:急转相关后处理算法，

步骤3:跳跃与踢球相关后处理算法。

进一步的，所述(a)步伐运动事件侦测算法中，各个特征侦测的方式为:

抬腿特征:

根据a_z进行波峰侦测算法。波峰阀值设定为a_push-off。若侦测到波峰，则判断为抬腿

相关参数设定为:

a_push-off＝1.3g。

摆腿特征:

根据ω_y进行波峰侦测算法与波谷侦测算法，波峰阀值为ω_peak，波谷阀值为ω_valley。若在一定时间范围内t_swing侦测到波峰与波谷则判断为摆腿

相关参数设定为:

ω_peak＝80dps(degree per second)，

ω_valley＝-80dps，

t_swing＝300毫秒。

踏地特征:

根据a_z进行波峰侦测算法。梯度阀值设定为a_z,slope，波峰阀值设定为a_z,impact。

若侦测到波峰，则判断为踏地。a_z,impact为自适应阀值，其计算方式为:a_impact＝μ+a_std*ɑ，

a_std为讯号长度300毫秒的窗口的均方差，μ与ɑ为波峰阀值参数。

相关参数设定为:

a_slope＝波峰值*0.4，

ɑ＝0.37，

进一步的，计算步伐长度(step_length)、步伐时间(step_duration)和μ参数具体方法为:

1.步伐长度(step_length):

a_z,max为从抬腿到踏地期间a_z的最大值，

a_z,min为从抬腿到踏地期间a_z的最小值，

k为步伐长度校准参数，需要事先校准，预设值设定为1.0。

2.步伐时间(step_duration):

step_duration的计算方式为本次步伐踏地与上次步伐踏地的时间差距。

3.μ参数:

μ为计算踏地时所需要的参数。其计算方式为:

μ＝(a_z，max+a_z，min)*βμ＝(a_z，max+a_z，min)*β。

相关参数设定为:

ββ＝0.3。

进一步的，(b)跳跃运动事件侦测算法中，所述各个特征侦测的方式为:

腾空特征

根据||a||与||ω||的讯号判断是否为腾空。若||a||小于a_inair以及||ω||小于ω_inair，则判断为腾空状态。若腾空状态的持续时间大于t_inair，则判断为腾空。

相关参数设定为:

t_inair＝100毫秒，

a_inair＝0.75g，

ω_inair＝100dps。

落地撞击特征根据||a||进行波峰侦测算法。波峰阀值a_impact。若侦测到波峰，则判断为落地撞击。相关参数设定为:

a_impact＝6.5g。

若两个特征皆有侦测到并依照时间顺序腾空->落地撞击并且特征与特征之前德时间差距不超过1000毫秒，则判断为一跳跃运动事件并计算跳跃高度(jump_height)。跳跃高度的计算方式如下:根据起跳时间与落地时间的时间差距计算:

jump_in-air-time＝t_impact-tjump_{startjumpin-air-time}＝t_impact-t_jumpstart，

jump_height＝0.5*g*(0.5*jump_in-air-time)²jump_height＝0.5*g*(0.5*jump_in-air-time)²，

t_impact为落地撞击的时间点，t_{jump start}为起跳时间点。

进一步的，所述(c)踢球运动事件侦测算法中，各个特征侦测的方式为:

摆腿特征

计算ω_y与a_z的滑动窗口平均值ω_y,avg与a_z,avg。当ω_y,avg大于预设阀值以及a_z,avg大于预设阀值，则判断为摆腿

相关参数设定为:

滑动窗口时间长度＝80毫秒，

ω_y,avg＝180dps，

a_z,avg＝1g。

撞击特征:

根据||a||进行波峰侦测算法。波峰阀值a_impact。若侦测到波峰，则判断为撞击。相关参数设定为:

a_impact＝6.5g。

进一步的，所述(c)踢球运动事件侦测算法中，摆腿力量计算的步骤如下:步骤一:判断摆腿开始时间点与摆腿结束时间点:

摆腿结束时间点为撞击时间点。摆腿开始时间点为由摆腿结束时间点往回寻找ω_y过零点(zero crossing)的时间点

步骤二:根据摆腿期间的三轴角速度变化计算平均角加速度。

步骤三:根据平均加速度计算摆腿力量,摆腿力量的计算方式如下:

摆腿力量＝平均角加速度*d_leg*m_leg，

m_leg为腿的有效质量并设定为使用者体重的15％，d_leg为传感器到脚踝的距离并设定为使用者身高的20％。

进一步的，所述后处理算法中，跑动相关后处理算法具体为:从最一开始的运动事件持续寻找步伐运动事件。当侦测到双腿皆有步伐运动事件，另外两个事件的时间差距需小于t_step则计算/累加下列数据:

步伐次数＝左腿次数+右腿次数；

移动距离＝0.5*(左腿步伐移动距离+右腿步伐移动距离)；

移动时间＝0.5*(左腿步伐时间+右腿步伐时间)；

速度＝移动距离/(移动时间)；

高速跑动距离:速度超过v_{high speed}的移动距离；

冲刺跑动距离:速度超过v_sprint的移动距离；

最后标注所有的步伐运动事件为处理过事件。

跑动相关后处理算法相关参数设定为:

t_step＝1500毫秒；

v_{high speed}＝4.2m/s；

v_sprint＝5.3m/s。

进一步的，所述后处理算法中，急转相关后处理算法具体为:从最一开始的运动事件持续寻找急转运动事件。当侦测到双腿皆有急转运动事件并且两个事件的时间差距需小于t_turn，则会增加转身次数。最后标注所有转身运动事件为处理过事件。

转身相关后处理算法相关参数设定为:

t_turn＝3000毫秒。

进一步的，所述后处理算法中，跳跃与踢球相关后处理算法流程步骤如下:

步骤1:寻找第一个未处理事件并根据该事件产生时间长度t_window的运动事件窗口。

步骤2:当窗口内有两个跳跃运动事件，则判断该时间发生跳跃并增加跳跃次数。另外计算:

跳跃高度＝0.5*(左腿跳跃高度+右腿跳跃高度)。

最后标注这两个跳跃运动事件与其之前的其他运动事件为处理过。

步骤3:当窗口有一个踢球运动事件，则判断该时间发生踢球并增加踢球次数。另外更新最大摆腿力量数据与标注踢球运动事件为处理过。

步骤4:当窗口有两个踢球运动事件并且两个事件的时间差距小于t_kick，则判断该时间两个踢球运动事件为误判并标注成处理过事件。

步骤5:若窗口的第一个运动事件仍是未处理，标注该事件为处理过事件。

步骤6:回到步骤1，直到所有运动事件皆标注成处理过事件。

跳跃与踢球相关后处理算法相关参数设定为:

t_window:200毫秒；

t_kick:100毫秒。

区别于现有技术，上述技术方案具有以下有益效果：

上述方案通过在球员护腿板上设置IMU传感器，且根据左腿IMU传感器和右腿IMU传感器信号分别进行三个阶段处理，从而进行精准的运动员腿部运动轨迹侦测和判断，本发明判断准确性高，且通过本发明的算法能够准确实现运动员不同运动轨迹的实时在线监测。

附图说明

图1为本发明实施例的护腿板的配置示意图。

图2为本发明实施例的护腿板监测方法流程图。

图3为本发明实施例的运动事件侦测算法流程图。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

请参阅图1至图3所示，本实施例一种护腿板监测方法，该方法首先包括佩戴在球员身上的护腿板，每个护腿板上设有IMU传感器，所述IMU传感器设置在护腿板的内侧，对于每一球员，IMU传感器其分为左腿IMU及右腿IMU，所述IMU传感器用于采集球员运动点位移信息，并将该位移信息发送至后台数据库进行运算处理，在采集球员运动点位移信息时，为了更加清晰地定位球员运动点位移变量，首先定义以下符号：

a_x为x轴加速度讯号，

a_y为y轴加速度讯号，

a_z为z轴加速度讯号，

为三轴加速度讯号的范数，

ω_x为x轴角速度讯号，

ω_y为y轴角速度讯号，

ω_z为z轴角速度讯号，

为三轴角速度讯号的范数，

g代表标准重力，1g＝9.81m/s²1g＝9.81m/^s2，

定义了上述符号后，对左腿IMU及右腿IMU采集到的信息分别进行处理，分为三个阶段，分别为：

第一阶段处理：根据定义上述符号将采集的到的运动点移变量进行预处理，预处理阶段中包含了:

(a)定义旋转左腿IMU与右腿IMU的三轴方向，应用3x3旋转矩阵，使得左腿与右腿的IMU三轴方向为:

x轴指向使用者秉直站立时的正前方，

y轴指向使用者秉直站立时的左手方，

z轴指向使用者秉直站立时的正上方，

(b)过滤并除去IMU采集信号的杂讯，应用低通滤波器，其滤波器设置参数为:

截止频率(cut-off frequency)＝15Hz，

阶数(order)＝2。

(c)左腿IMU传感器与右腿IMU传感器时间同步，确保侦测出来的运动事件的时间排序与差距为正确的。

第二阶段处理：分别对左腿IMU传感器和右腿IMU传感器采用运动事件侦测算法进行运动事件侦测，其中包括了:

(a)步伐运动事件侦测算法，该算法用于寻找并侦测抬腿特征，摆腿特征与踏地特征。各个特征侦测的方式为:

抬腿特征:

根据a_z进行波峰侦测算法。波峰阀值设定为a_push-off。若侦测到波峰，则判断为抬腿

相关参数设定为:

a_push-off＝1.3g。

摆腿特征:

根据ω_y进行波峰侦测算法与波谷侦测算法，波峰阀值为ω_peak，波谷阀值为ω_valley。若在一定时间范围内t_swing侦测到波峰与波谷则判断为摆腿相关参数设定为:

ω_peak＝80dps(degree per second)，

ω_valley＝-80dps，

t_swing＝300毫秒。

踏地特征:

根据a_z进行波峰侦测算法。梯度阀值设定为a_z,slope，波峰阀值设定为a_z,impact。若侦测到波峰，则判断为踏地。a_z,impact为自适应阀值，其计算方式为:a_impact＝μ+a_std*ɑ，

a_std为讯号长度300毫秒的窗口的均方差，μ与ɑ为波峰阀值参数。

相关参数设定为:

a_slope＝波峰值*0.4，

ɑ＝0.37，

若三个特征皆有侦测到并依照时间顺序抬腿->摆腿->踏地并且特征与特征之前德时间差距不超过200毫秒，则判断为一步伐运动事件并计算:

1.步伐长度(step_length):

a_z,max为从抬腿到踏地期间a_z的最大值，

a_z,min为从抬腿到踏地期间a_z的最小值，

k为步伐长度校准参数，需要事先校准，预设值设定为1.0。

2.步伐时间(step_duration):

step_duration的计算方式为本次步伐踏地与上次步伐踏地的时间差距。

3.μ参数:

μ为计算踏地时所需要的参数。其计算方式为:

μ＝(a_z，max+a_z，min)*βμ＝(a_z，max+a_z，min)*β。

相关参数设定为:

ββ＝0.3。

(b)跳跃运动事件侦测算法，该算法用于寻找并侦测腾空特征与落地撞击特征。所述各个特征侦测的方式为:

腾空特征

根据||a||与||ω||的讯号判断是否为腾空。若||a||小于a_inair以及||ω||小于ω_inair，则判断为腾空状态。若腾空状态的持续时间大于t_inair，则判断为腾空。

相关参数设定为:

t_inair＝100毫秒，

a_inair＝0.75g，

ω_inair＝100dps。

落地撞击特征根据||a||进行波峰侦测算法。波峰阀值a_impact。若侦测到波峰，则判断为落地撞击。相关参数设定为:

a_impact＝6.5g。

若两个特征皆有侦测到并依照时间顺序腾空->落地撞击并且特征与特征之前德时间差距不超过1000毫秒，则判断为一跳跃运动事件并计算跳跃高度(jump_height)。跳跃高度的计算方式如下:根据起跳时间与落地时间的时间差距计算:

jump_in-air-time＝t_impact-t_jumpstartjump_pin-air-time＝t_impact-t_jumpstart，

jump_height＝0.5*g*(0.5*jump_in-air-time)²jump_height＝0.5*g*(0.5*jump_in-air-time)²，

t_impact为落地撞击的时间点，t_{jump start}为起跳时间点。

(c)踢球运动事件侦测算法，踢球运动事件侦测算法寻找并侦测摆腿特征与撞击特征。各个特征侦测的方式为:

摆腿特征

计算ω_y与a_z的滑动窗口平均值ω_y,avg与a_z,avg。当ω_y,avg大于预设阀值以及a_z,avg大于预设阀值，则判断为摆腿

相关参数设定为:

滑动窗口时间长度＝80毫秒，

ω_y,avg＝180dps，

a_z,avg＝1g。

撞击特征:

根据||a||进行波峰侦测算法。波峰阀值a_impact。若侦测到波峰，则判断为撞击。相关参数设定为:

a_impact＝6.5g。

当侦测到撞击与摆腿特征并依照时间顺序摆腿->撞击并且特征与特征之前德时间差距不超过200毫秒，则判断为一踢球运动事件并计算摆腿力量。

摆腿力量计算的步骤如下:

步骤一:判断摆腿开始时间点与摆腿结束时间点:

摆腿结束时间点为撞击时间点。摆腿开始时间点为由摆腿结束时间点往回寻找ω_y过零点(zero crossing)的时间点

步骤二:根据摆腿期间的三轴角速度变化计算平均角加速度。

步骤三:根据平均加速度计算摆腿力量,摆腿力量的计算方式如下:

摆腿力量＝平均角加速度*d_leg*m_leg，

m_leg为腿的有效质量并设定为使用者体重的15％，d_leg为传感器到脚踝的距离并设定为使用者身高的20％。

(d)急转运动事件侦测算法，利用Mahony filter[1]计算对旋转轴与地面垂直的旋转角度

若在t_turn内侦测到

的变化

有超过

则判断为一急转运动事件。相关参数设定为:

t_turn＝1000毫秒，

度。

另外，Mahony filter内部参数设定为:

K_p＝2.0，

K_i＝0，

dt＝0.01。

第三阶段处理：分别将左腿IMU与右腿IMU所计算的运动事件通过蓝芽传输到移动设备端，标注所有运动事件为未处理事件，之后根据运动事件时间先后顺序排列双脚运动事件，最后再进行后处理算法，后处理算法是转换各个运动事件成运动数据，其步骤为:

步骤1:跑动相关后处理算法，跑动相关后处理算法具体为:从最一开始的运动事件持续寻找步伐运动事件。当侦测到双腿皆有步伐运动事件，另外两个事件的时间差距需小于t_step则计算/累加下列数据:

步伐次数＝左腿次数+右腿次数；

移动距离＝0.5*(左腿步伐移动距离+右腿步伐移动距离)；

移动时间＝0.5*(左腿步伐时间+右腿步伐时间)；

速度＝移动距离/(移动时间)；

高速跑动距离:速度超过v_{high speed}的移动距离；

冲刺跑动距离:速度超过v_sprint的移动距离；

最后标注所有的步伐运动事件为处理过事件。

跑动相关后处理算法相关参数设定为:

t_step＝1500毫秒；

v_{high speed}＝4.2m/s；

v_sprint＝5.3m/s。

步骤2:急转相关后处理算法，急转相关后处理算法具体为:从最一开始的运动事件持续寻找急转运动事件。当侦测到双腿皆有急转运动事件并且两个事件的时间差距需小于t_turn，则会增加转身次数。最后标注所有转身运动事件为处理过事件。

转身相关后处理算法相关参数设定为:

t_turn＝3000毫秒。

步骤3:跳跃与踢球相关后处理算法。跳跃与踢球相关后处理算法流程步骤如下:

步骤1:寻找第一个未处理事件并根据该事件产生时间长度t_window的运动事件窗口。

步骤2:当窗口内有两个跳跃运动事件，则判断该时间发生跳跃并增加跳跃次数。另外计算:

跳跃高度＝0.5*(左腿跳跃高度+右腿跳跃高度)。

最后标注这两个跳跃运动事件与其之前的其他运动事件为处理过。

步骤3:当窗口有一个踢球运动事件，则判断该时间发生踢球并增加踢球次数。另外更新最大摆腿力量数据与标注踢球运动事件为处理过。

步骤4:当窗口有两个踢球运动事件并且两个事件的时间差距小于t_kick，则判断该时间两个踢球运动事件为误判并标注成处理过事件。

步骤5:若窗口的第一个运动事件仍是未处理，标注该事件为处理过事件。

步骤6:回到步骤1，直到所有运动事件皆标注成处理过事件。

跳跃与踢球相关后处理算法相关参数设定为:

t_window:200毫秒；

t_kick:100毫秒。

上述实施例通过在球员护腿板上设置IMU传感器，且根据左腿IMU传感器和右腿IMU传感器信号分别进行三个阶段处理，从而进行精准的运动员腿部运动轨迹侦测和判断，本发明判断准确性高，且通过本发明的算法能够准确实现运动员不同运动轨迹的实时在线监测。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括……”或“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外，在本文中，“大于”、“小于”、“超过”等理解为不包括本数；“以上”、“以下”、“以内”等理解为包括本数。

尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以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保护范围，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之内。

Claims (10)

1.一种护腿板监测方法，该方法首先包括佩戴在球员身上的护腿板，每个护腿板上设有IMU传感器，所述IMU传感器设置在护腿板的内侧，对于每一球员，IMU传感器其分为左腿IMU及右腿IMU，所述IMU传感器用于采集球员运动点位移信息，并将该位移信息进行运算处理，其特征在于：在采集球员运动点位移信息时，为了更加清晰地定位球员运动点位移变量，首先定义以下符号：

a_x为x轴加速度讯号，

a_y为y轴加速度讯号，

a_z为z轴加速度讯号，

为三轴加速度讯号的范数，

ω_x为x轴角速度讯号，

ω_y为y轴角速度讯号，

ω_z为z轴角速度讯号，

为三轴角速度讯号的范数，

g代表标准重力，1g＝9.81m/s²1g＝9.81m/s²，

定义了上述符号后，对左腿IMU及右腿IMU采集到的信息分别进行处理，分为三个阶段，分别为，

第一阶段处理：根据定义上述符号将采集的到的运动点移变量进行预处理，预处理阶段中包含了:

(a)定义旋转左腿IMU与右腿IMU的三轴方向，应用3x3旋转矩阵，使得左腿与右腿的IMU三轴方向为:

x轴指向使用者秉直站立时的正前方，

y轴指向使用者秉直站立时的左手方，

z轴指向使用者秉直站立时的正上方，

(b)过滤并除去IMU采集信号的杂讯，应用低通滤波器，其滤波器设置参数为:

截止频率(cut-off frequency)＝15Hz，

阶数(order)＝2；

(c)左腿IMU传感器与右腿IMU传感器时间同步，确保侦测出来的运动事件的时间排序与差距为正确的；

第二阶段处理：分别对左腿IMU传感器和右腿IMU传感器采用运动事件侦测算法进行运动事件侦测，其中包括了:

(a)步伐运动事件侦测算法，该算法用于寻找并侦测抬腿特征，摆腿特征与踏地特征。

若三个特征皆有侦测到并依照时间顺序抬腿->摆腿->踏地并且特征与特征之前德时间差距不超过200毫秒，则判断为一步伐运动事件并计算步伐长度(step_length)、步伐时间(step_duration)和μ参数；

(b)跳跃运动事件侦测算法，该算法用于寻找并侦测腾空特征与落地撞击特征；

(c)踢球运动事件侦测算法，踢球运动事件侦测算法寻找并侦测摆腿特征与撞击特征。当侦测到撞击与摆腿特征并依照时间顺序摆腿->撞击并且特征与特征之前德时间差距不超过200毫秒，则判断为一踢球运动事件并计算摆腿力量；

(d)急转运动事件侦测算法，利用Mahony filter[1]计算对旋转轴与地面垂直的旋转角度

若在t_turn内侦测到

的变化

有超过

则判断为一急转运动事件；

第三阶段处理：分别将左腿IMU与右腿IMU所计算的运动事件通过蓝芽传输到移动设备端，标注所有运动事件为未处理事件，之后根据运动事件时间先后顺序排列双脚运动事件，最后再进行后处理算法，后处理算法是转换各个运动事件成运动数据，其步骤为:

步骤1:跑动相关后处理算法，

步骤2:急转相关后处理算法，

步骤3:跳跃与踢球相关后处理算法。

2.根据权利要求1所述的一种护腿板监测方法，其特征在于：所述(a)步伐运动事件侦测算法中，各个特征侦测的方式为:

抬腿特征:

根据a_z进行波峰侦测算法。波峰阀值设定为a_push-off。若侦测到波峰，则判断为抬腿

相关参数设定为:

a_push-off＝1.3g。

摆腿特征:

根据ω_y进行波峰侦测算法与波谷侦测算法，波峰阀值为ω_peak，波谷阀值为ω_valley。若在一定时间范围内t_swing侦测到波峰与波谷则判断为摆腿

相关参数设定为:

ω_peak＝80dps(degree per second)，

ω_valley＝-80dps，

t_swing＝300毫秒。

踏地特征:

根据a_z进行波峰侦测算法，梯度阀值设定为a_z,slope，波峰阀值设定为a_z,impact。若侦测到波峰，则判断为踏地。a_z,impact为自适应阀值，其计算方式为:

a_impact＝μ+a_std*ɑ，

a_std为讯号长度300毫秒的窗口的均方差，μ与ɑ为波峰阀值参数。

相关参数设定为:

a_slope＝波峰值*0.4，

ɑ＝0.37。

3.根据权利要求1所述的一种护腿板监测方法，其特征在于：计算步伐长度(step_length)、步伐时间(step_duration)和μ参数具体方法为:

1.步伐长度(step_length):

a_z,max为从抬腿到踏地期间a_z的最大值，

a_z,min为从抬腿到踏地期间a_z的最小值，

k为步伐长度校准参数，需要事先校准，预设值设定为1.0。

2.步伐时间(step_duration):

step_duration的计算方式为本次步伐踏地与上次步伐踏地的时间差距。

3.μ参数:

μ为计算踏地时所需要的参数。其计算方式为:

μ＝(a_z，max+a_z，min)*βμ＝(a_z，max+a_z，min)*β；

相关参数设定为:

ββ＝0.3。

4.根据权利要求1所述的一种护腿板监测方法，其特征在于：(b)跳跃运动事件侦测算法中，所述各个特征侦测的方式为：

腾空特征

根据||a||与||ω||的讯号判断是否为腾空。若||a||小于a_inair以及||ω||小于ω_inair，则判断为腾空状态。若腾空状态的持续时间大于t_inair，则判断为腾空。

相关参数设定为：

t_inair＝100毫秒，

a_inair＝0.75g，

ω_inair＝100dps。

落地撞击特征

根据||a||进行波峰侦测算法。波峰阀值a_impact。若侦测到波峰，则判断为落地撞击。相关参数设定为：

a_impact＝6.5g，

若两个特征皆有侦测到并依照时间顺序腾空-＞落地撞击并且特征与特征之前德时间差距不超过1000毫秒，则判断为一跳跃运动事件并计算跳跃高度(jump_height)。跳跃高度的计算方式如下：根据起跳时间与落地时间的时间差距计算：

jump_im-air-time＝t_impact-t_jumpstartjump_in-air-time＝t_impact-t_jumpstart，

jump_height＝0.5*g*(0.5*jump_in-air-time)²jump_height＝0.5*g*(0.5*jump_in-air-time)²，

t_impact为落地撞击的时间点，t_jumpstart为起跳时间点。

5.根据权利要求1所述的一种护腿板监测方法，其特征在于：所述(c)踢球运动事件侦测算法中，各个特征侦测的方式为：

摆腿特征

计算ω_y与a_z的滑动窗口平均值ω_y,avg与a_z,avg。当ω_y,avg大于预设阀值以及a_z,avg大于预设阀值，则判断为摆腿

相关参数设定为:

滑动窗口时间长度＝80毫秒，

ω_y,avg＝180dps，

a_z,avg＝1g，

撞击特征:

根据||a||进行波峰侦测算法。波峰阀值a_impact。若侦测到波峰，则判断为撞击。

相关参数设定为:

a_impact＝6.5g。

6.根据权利要求1所述的一种护腿板监测方法，其特征在于：所述(c)踢球运动事件侦测算法中，摆腿力量计算的步骤如下:

步骤一:判断摆腿开始时间点与摆腿结束时间点:

摆腿结束时间点为撞击时间点。摆腿开始时间点为由摆腿结束时间点往回寻找ω_y过零点(zero crossing)的时间点

步骤二:根据摆腿期间的三轴角速度变化计算平均角加速度。

步骤三:根据平均加速度计算摆腿力量,摆腿力量的计算方式如下:

摆腿力量＝平均角加速度*d_leg*m_leg，

m_leg为腿的有效质量并设定为使用者体重的15％，d_leg为传感器到脚踝的距离并设定为使用者身高的20％。

7.根据权利要求1所述的一种护腿板监测方法，其特征在于：所述(d)急转运动事件侦测算法中，相关参数设定为:

t_turn＝1000毫秒，

另外，Mahony filter内部参数设定为:

K_p＝2.0，

K_i＝0，

dt＝0.01。

8.根据权利要求1所述的一种护腿板监测方法，其特征在于：所述后处理算法中，跑动相关后处理算法具体为:从最一开始的运动事件持续寻找步伐运动事件。当侦测到双腿皆有步伐运动事件，另外两个事件的时间差距需小于t_step则计算/累加下列数据:

步伐次数＝左腿次数+右腿次数；

移动距离＝0.5*(左腿步伐移动距离+右腿步伐移动距离)；

移动时间＝0.5*(左腿步伐时间+右腿步伐时间)；

速度＝移动距离/(移动时间)；

高速跑动距离:速度超过v_highspeed的移动距离；

冲刺跑动距离:速度超过v_sprint的移动距离；

最后标注所有的步伐运动事件为处理过事件。

跑动相关后处理算法相关参数设定为:

t_step＝1500毫秒；

v_highspeed＝4.2m/s；

v_sprint＝5.3m/s。

9.根据权利要求1所述的一种护腿板监测方法，其特征在于：所述后处理算法中，急转相关后处理算法具体为:从最一开始的运动事件持续寻找急转运动事件。当侦测到双腿皆有急转运动事件并且两个事件的时间差距需小于t_turn，则会增加转身次数。最后标注所有转身运动事件为处理过事件。

转身相关后处理算法相关参数设定为:

t_turn＝3000毫秒。

10.根据权利要求1所述的一种护腿板监测方法，其特征在于：所述后处理算法中，跳跃与踢球相关后处理算法：

步骤1:寻找第一个未处理事件并根据该事件产生时间长度t_window的运动事件窗口。

步骤2:当窗口内有两个跳跃运动事件，则判断该时间发生跳跃并增加跳跃次数。另外计算:

跳跃高度＝0.5*(左腿跳跃高度+右腿跳跃高度)。

最后标注这两个跳跃运动事件与其之前的其他运动事件为处理过。

步骤3:当窗口有一个踢球运动事件，则判断该时间发生踢球并增加踢球次数。另外更新最大摆腿力量数据与标注踢球运动事件为处理过。

步骤4:当窗口有两个踢球运动事件并且两个事件的时间差距小于t_kick，则判断该时间两个踢球运动事件为误判并标注成处理过事件，

步骤5:若窗口的第一个运动事件仍是未处理，标注该事件为处理过事件，

步骤6:回到步骤1，直到所有运动事件皆标注成处理过事件，

跳跃与踢球相关后处理算法相关参数设定为:

t_window:200毫秒；

t_kick:100毫秒。

Images