CN116304816A - 一种基于机器学习的可穿戴智能人体运动状态识别系统 - Google Patents
一种基于机器学习的可穿戴智能人体运动状态识别系统 Download PDFInfo
- Publication number
- CN116304816A CN116304816A CN202310225943.3A CN202310225943A CN116304816A CN 116304816 A CN116304816 A CN 116304816A CN 202310225943 A CN202310225943 A CN 202310225943A CN 116304816 A CN116304816 A CN 116304816A
- Authority
- CN
- China
- Prior art keywords
- machine learning
- motion state
- wearable
- wearable intelligent
- signal
- 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
- 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
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0261—Strain gauges
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Dentistry (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (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机器学习的可穿戴智能人体运动状态识别系统,属于穿戴式人机交互技术领域。该系统包括:可穿戴智能装置和移动终端上的用户界面。所述可穿戴智能装置包括:可穿戴织物,柔性应变传感器阵列、微控制器,无线通信模块、语音模块及电源。所述移动终端上的用户界面包含嵌入的数据处理程序、嵌入的机器学习分类模型、信号实时监测界面、信号识别结果显示界面和操作按钮。采用本发明提供的可穿戴智能人体运动状态识别系统,能够对人体特定部位的运动状态进行实时监测,并对监测结果进行分类识别,具有准确可靠、操作简便、质轻便携以及无线实时连续监测等优点。
Description
技术领域
本发明涉及穿戴式人机交互技术领域,具体涉及一种基于机器学习的可穿戴智能人体运动状态识别系统。
背景技术
对人体运动状态的监测和识别在医疗健康、智能家居、虚拟现实、生物认证等领域有着广泛的应用前景。例如对手部运动的监测和识别可发展手势识别技术用于手语翻译、手势认证以及更加灵巧便捷的人机交互等;对脊柱、颈椎等关节变形的监测和识别可以实时提醒使用者调整姿势从而预防脊柱侧弯、颈椎病等疾病;对膝盖、脚部关节运动状态的实时监测和识别可用于对老年人进行远程医疗监测和护理;对脉搏、呼吸等微小变形的监测则可实现对人体健康状况的连续监测。
目前,柔性应变传感器技术迅猛发展,新兴此类传感器可以实现对人体关节运动、皮肤变形等运动信息的精确监测,然而如何实现传感器的连续监测,并对监测信息进行实时识别分类仍然是目前的技术难点。已有的相关技术存在装置结构复杂、穿戴操作不便、对信号识别分类能力差等问题,难以满足可穿戴电子设备的使用需求。因此有必要研发一种结构简单、操作方便、识别分类能力强的可穿戴智能人体运动状态识别系统。
发明内容
本发明的目的在于提供一种基于机器学习的可穿戴智能人体运动状态识别系统,相比于已有可穿戴人机交互系统本发明具有结构简单、操作方便、识别分类能力强等优点,为穿戴式人机交互装置的发展提供了一种新思路。
为实现上述目的,本发明所采用的技术方案如下:
一种基于机器学习的可穿戴智能人体运动状态识别系统,包括可穿戴装置和移动终端上的用户界面:
所述可穿戴装置包括可穿戴织物、柔性应变传感器阵列、微控制器、无线通信模块、语音模块及电源;
所述移动终端上的用户界面包含嵌入的数据处理程序、嵌入的机器学习分类模型、信号实时监测界面和信号识别结果显示界面;所述数据处理程序用于实时对原始数据进行数据清理与特征值提取;所述机器学习分类模型用于实时对处理后的数据进行识别分类。
进一步地,所述可穿戴织物为贴肤织物,如手套、袖套、袜子、可贴于人体皮肤的织物绷带等或多种织物的组合,穿戴于需要监测识别的目标人体部位,如手、脚、手臂、膝盖、脊柱、颈椎等单个或多个位置。
进一步地,所述柔性应变传感器阵列包含至少一个柔性应变传感器,具有良好的形变能力、灵敏度及循环稳定性,附着于可穿戴织物上对应人体关节运动或皮肤变形的位置。
所述柔性应变传感器连接微控制器,微控制器连接无线通信模块、语音模块和电源;柔性应变传感器阵列实时感知人体某部位的运动状态,微控制器收集柔性应变传感器所产生的信号,随后通过无线通信模块将信号发送给移动终端设备,所述电源用于向微控制器供电,所述语音模块根据移动终端上的用户界面所反馈的识别结果播放相应的语音提示。
所述移动终端上的用户界面接收由可穿戴智能装置无线发送的信号并将其显示在信号实时监测界面上,同时由嵌入的数据处理程序对信号进行处理,由机器学习分类模型对处理后的信号进行分类识别,并将识别结果显示在信号识别结果显示界面上,同时实时无线将识别结果反馈给可穿戴智能装置。
本发明还包括机器学习分类模型的训练过程,所述机器学习模型的训练过程包括如下步骤:
1)采集目标监测部位n种不同运动状态下来自柔性应变传感器阵列的信号数据,每种运动状态重复采集m次(m>=20);
2)对步骤1)所采集的n×m个原始数据进行处理,包括数据清洗和特征值提取;
3)对步骤2)所得n×m个处理后的数据按运动状态不同赋标签值;
4)将步骤3)所得带分类标签的n×m个数据中的60%-90%设置为机器学习分类模型的训练集并进行模型训练;
5)将步骤4)剩余的数据设置为测试集,对训练好的模型进行准确度测试;
6)导出训练好的机器学习分类模型。
本发明所述的机器学习分类模型的训练过程的步骤6)中,所述机器学习分类模型优选采用支持向量机、树、线性判别、最近邻、子空间集成以及贝叶斯分类算法中测试准确度最高的一种分类算法。
本发明与现有技术相比,具有以下优点及突出性的技术效果:
1、本发明所述一种基于机器学习的可穿戴智能人体运动状态识别系统结构简单、操作方便。该系统只包括可穿戴装置和移动终端设备两个部分,两部分之间通过无线通信进行数据传输。可穿戴装置上使用形变能力良好的柔性应变传感器,保证了使用的舒适性,其它各模块均可使用市面上比较成熟的小尺寸产品,因此整个可穿戴装置可实现轻质便携、穿戴方便。
2、本发明所述一种基于机器学习的可穿戴智能人体运动状态识别系统对人体运动状态的分类识别能力强。利用机器学习分类模型,同时优选多种分类算法中测试准确率最高的一种来进行人体运动状态的实时分类识别,识别范围广,识别准确率高,能够实现多种不同运动状态的实时精确识别。
3、本发明所述一种基于机器学习的可穿戴智能人体运动状态识别系统具有完善的输出界面。该系统的实时监测和识别结果不仅显示在移动终端设备上的信号监测界面和识别结果显示界面上,而且通过可穿戴装置上的语音模块实时播放,实现更便捷的人机交互。
附图说明
图1为本发明基于机器学习的可穿戴智能人体运动状态识别系统示意图。
图2为具体实施例中基于机器学习的可穿戴智能手势识别系统示意图。
图3为具体实施例中基于机器学习的可穿戴智能手势识别系统可识别的15个手势。
图4为具体实施例中基于机器学习的可穿戴智能手势识别系统中机器学习分类模型的测试混淆矩阵,显示其测试准确度为98.2%。
具体实施方式
下面结合附图和实施例详述本发明。
本发明提供一种基于机器学习的可穿戴智能人体运动状态识别系统,如图1所示,该识别系统包括:可穿戴智能装置和移动终端上的用户界面。所述可穿戴智能装置包括可穿戴织物、柔性应变传感器阵列、微控制器、无线通信模块、语音模块及电源,其中:柔性应变传感器阵列附着于可穿戴织物上,柔性应变传感器连接微控制器,微控制器连接无线通信模块、语音模块和电源;柔性应变传感器阵列实时感知人体某部位的运动状态,微控制器收集柔性应变传感器所产生的信号,随后通过无线通信模块将信号发送给移动终端设备,所述电源用于向微控制器供电,所述语音模块根据移动终端上的用户界面所反馈的识别结果播放相应的语音提示。
所述移动终端上的用户界面包含嵌入的数据处理程序、嵌入的机器学习分类模型、信号实时监测界面、信号识别结果显示界面和操作按钮,其中,用户界面接收由可穿戴智能装置无线发送的信号并将其显示在信号实时监测界面上,同时由嵌入的数据处理程序对信号进行处理,由机器学习分类模型对处理后的信号进行分类识别,并将识别结果显示在信号识别结果显示界面上,同时实时无线将识别结果反馈给可穿戴智能装置。采用本发明提供的可穿戴智能人体运动状态识别系统,能够对人体特定部位的运动状态进行实时监测,并对监测结果进行分类识别,具有准确可靠、操作简便、质轻便携以及无线实时连续监测等优点。
实施例1:
本实施例提供了一种基于机器学习的可穿戴智能手势识别装置,其示意图请参阅图2,该识别装置包括可穿戴智能手套和电脑端上的用户界面:
所述可穿戴智能手套包括:尼龙手套、柔性应变传感器阵列、微控制器、蓝牙通信模块、语音模块及电源;柔性应变传感器阵列附着于尼龙手套上,柔性应变传感器连接微控制器,微控制器连接蓝牙通信模块、语音模块和电源;柔性应变传感器阵列实时感知人体手部的运动状态,微控制器收集柔性应变传感器所产生的信号,随后通过无线通信模块将信号发送给电脑端,所述电源用于向微控制器供电,所述语音模块根据移动终端上的用户界面所反馈的识别结果播放相应的语音提示。
所述电脑端上的用户界面包含嵌入的数据处理程序、嵌入的机器学习分类模型、信号实时监测界面、信号识别结果显示界面和操作按钮,所述数据处理程序用于实时对原始数据进行数据清理与特征值提取,所述机器学习分类模型用于实时对处理后的数据进行识别分类。
具体地,所述柔性应变传感器阵列包含5个柔性应变传感器,分别附着于尼龙手套上对应第二指关节的部位,所述柔性应变传感器具有良好的形变能力、灵敏度及循环稳定性。
所述机器学习分类模型的训练过程包括如下步骤:
1)采集15种不同手势来自柔性应变传感器阵列的信号数据,每种运动状态重复采集50次,所述15种不同手势请参阅图3;
2)对步骤1)所采集的750个原始数据进行处理,包括数据清洗和特征值提取,具体采用主成分分析法进行提取前30个主成分为特征值;
3)对步骤2)所得750个处理后的数据按不同手势赋标签值;
4)将步骤3)所得带分类标签的750个数据中的70%设置为机器学习分类模型的训练集并进行模型训练;
5)将步骤4)剩余30%的数据设置为测试集,对训练好的模型进行准确度测试;
6)导出训练好的机器学习分类模型。
其中,步骤6)中所述机器学习分类模型选用测试准确度最高的子空间最近邻集成分类算法,模型测试的混淆矩阵请参阅图4,其测试准确度高达98.2%。
本实施例所提供的基于机器学习的可穿戴智能手势识别装置结构简单、操作简便,可实现对15种不同手势的精确识别,识别准确率高,在手语翻译、手势认证以及便捷人机交互等领域有这非常广泛的应用前景。
以上所述,仅为本发明的一种具体实施方式,但本发明的保护范围并不局限于此,本技术领域的技术人员在本发明公开的技术范围内,在本发明的技术方案与构思基础上进行等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于机器学习的可穿戴智能人体运动状态识别系统,其特征在于:包括可穿戴装置和移动终端上的用户界面,其中:
所述可穿戴装置包括可穿戴织物、柔性应变传感器阵列、微控制器、无线通信模块、语音模块及电源;
所述移动终端上的用户界面包含嵌入的数据处理程序、嵌入的机器学习分类模型、信号实时监测界面和信号识别结果显示界面;所述数据处理程序用于实时对原始数据进行数据清理与特征值提取;所述机器学习分类模型用于实时对处理后的数据进行识别分类。
2.按照权利要求1所述基于机器学习的可穿戴智能人体运动状态识别系统,其特征在于:所述可穿戴织物为贴肤织物,如手套、袖套、袜子等、可贴于人体皮肤的织物、绷带等或多种织物的组合,穿戴于需要监测识别的目标人体部位,如手、脚、手臂、膝盖、脊柱、颈椎等单一或多个部位。
3.按照权利要求1所述的基于机器学习的可穿戴智能人体运动状态识别系统,其特征在于:所述柔性应变传感器阵列包含至少一个柔性应变传感器,具有良好的形变能力、灵敏度及循环稳定性,附着于可穿戴织物上对应人体运动关节或皮肤变形的部位。
4.按照权利要求3所述的基于机器学习的可穿戴智能人体运动状态识别系统,其特征在于:所述柔性应变传感器连接微控制器,微控制器连接无线通信模块、语音模块和电源;柔性应变传感器阵列实时感知人体某部位的运动状态,微控制器收集柔性应变传感器所产生的信号,随后通过无线通信模块将信号发送给移动终端设备,所述电源用于向微控制器供电,所述语音模块根据移动终端上的用户界面所反馈的识别结果播放相应的语音提示。
5.按照权利要求4所述的基于机器学习的可穿戴智能人体运动状态识别系统,其特征在于:所述移动终端上的用户界面接收由可穿戴智能装置无线发送的信号并将其显示在信号实时监测界面上,同时由嵌入的数据处理程序对信号进行处理,由机器学习分类模型对处理后的信号进行分类识别,并将识别结果显示在信号识别结果显示界面上,同时实时无线将识别结果反馈给可穿戴智能装置。
6.按照权利要求5所述的基于机器学习的可穿戴智能人体运动状态识别系统,其特征在于:所述机器学习分类模型对处理后的信号通过训练过程进行分类识别,所述机训练过程包括如下步骤:
1)采集目标监测部位n种不同运动状态下来自柔性应变传感器阵列的信号数据,每种运动状态重复采集m次(m≥10);
2)对步骤1)所采集的n×m个原始数据进行处理,包括数据清理和特征值提取;
3)对步骤2)所得n×m个处理后的数据按运动状态不同赋标签值;
4)将步骤3)所得带分类标签的n×m个数据中的60%-90%设置为机器学习分类模型的训练集,并进行模型训练;
5)将步骤4)剩余的数据设置为测试集,对训练好的模型进行准确度测试;
6)导出训练好的机器学习分类模型。
7.按照权利要求6所述的基于机器学习的可穿戴智能人体运动状态识别系统,其特征在于::步骤6)中,所述机器学习分类模型优选采用支持向量机、树、线性判别、最近邻、子空间集成以及贝叶斯分类算法中测试准确度最高的一种分类算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310225943.3A CN116304816A (zh) | 2023-03-10 | 2023-03-10 | 一种基于机器学习的可穿戴智能人体运动状态识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310225943.3A CN116304816A (zh) | 2023-03-10 | 2023-03-10 | 一种基于机器学习的可穿戴智能人体运动状态识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116304816A true CN116304816A (zh) | 2023-06-23 |
Family
ID=86828259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310225943.3A Pending CN116304816A (zh) | 2023-03-10 | 2023-03-10 | 一种基于机器学习的可穿戴智能人体运动状态识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116304816A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117556607A (zh) * | 2023-11-13 | 2024-02-13 | 绍兴清研微科技有限公司 | 一种基于柔性传感技术的可穿戴织物设计方法及系统 |
-
2023
- 2023-03-10 CN CN202310225943.3A patent/CN116304816A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117556607A (zh) * | 2023-11-13 | 2024-02-13 | 绍兴清研微科技有限公司 | 一种基于柔性传感技术的可穿戴织物设计方法及系统 |
CN117556607B (zh) * | 2023-11-13 | 2024-05-28 | 绍兴清研微科技有限公司 | 一种基于柔性传感技术的可穿戴织物设计方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111209885B (zh) | 一种手势信息处理方法、装置、电子设备及存储介质 | |
CN107145236B (zh) | 一种基于腕部肌腱压力相关特性的手势识别方法及系统 | |
CN103777752A (zh) | 基于手臂肌肉电流检测和运动传感器的手势识别设备 | |
US10521018B2 (en) | Human body-based interaction method and interaction apparatus | |
Khodabandelou et al. | Attention-based gated recurrent unit for gesture recognition | |
CN116304816A (zh) | 一种基于机器学习的可穿戴智能人体运动状态识别系统 | |
CN110908515A (zh) | 基于腕部肌肉压力的手势识别方法和装置 | |
CN111444879A (zh) | 一种关节劳损自主康复动作识别方法及系统 | |
CN107943285B (zh) | 一种基于生物肌电的人机交互腕环、系统及方法 | |
Cai et al. | Automatic detection of compensatory movement patterns by a pressure distribution mattress using machine learning methods: a pilot study | |
CN112885465A (zh) | 运动数据分析方法、装置、系统和计算机可读存储介质 | |
Zaher et al. | A framework for assessing physical rehabilitation exercises | |
CN110624217A (zh) | 一种基于多传感器融合的复健手套及其实现方法 | |
CN106020442A (zh) | 一种智能感应手套的感应方法 | |
Woo et al. | Machine learning based recognition of elements in lower-limb movement sequence for proactive control of exoskeletons to assist lifting | |
CN114997227A (zh) | 一种基于肌肉应力的手势识别系统 | |
CN212067683U (zh) | 投篮手势分析手环 | |
CN108392813A (zh) | 融合训练准备活动实现身体传感器网络节点位置设定的方法 | |
WO2018020513A1 (en) | A system for recognizing muscle activities and method thereof. | |
Xu et al. | Towards accelerometry based static posture identification | |
CN112971773B (zh) | 基于手掌弯曲信息的人手运动模式识别系统 | |
CN116360598B (zh) | 基于脑电波的运动想象动作控制方法及系统 | |
CN219021189U (zh) | 一种基于临床量表的自动上肢运动功能评估系统 | |
CN116909392B (zh) | 可穿戴可感知交互系统及交互方法 | |
An et al. | High-Accuracy Hand Gesture Recognition on the Wrist Tendon Group Using Pneumatic Mechanomyography (pMMG) |
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 |