The invention relates to a bicycle anti-theft device and posture recognition method, the method includes the following steps: A, microprocessor for smooth denoising through gestures of real time data acquisition bicycle motion sensor B, microprocessor; posture data after denoising based on automatic identification of bicycle start postures; C microprocessor to quantify the bicycle posture data; posture recognition data quantized action based on D, the current position of bicycle microprocessor; the alarm action E, microprocessor current posture based on the control of the loudspeaker. The invention can accurately judge the current posture of bicycle, eliminate interference normal action, identify the dangerous postures of bicycle, and the corresponding alarm, thereby greatly enhancing anti-theft detection, prevent theft and not recognize the problem.
【技术实现步骤摘要】
自行车防盗动作姿势识别方法及装置
本专利技术涉及自行车防盗
,具体涉及一种自行车防盗动作姿势识别方法及装置。
技术介绍
智能自行车采用先进的微电脑控制芯片、传感器、机械传动等多个部分组成,是集机电于一体的高科技新产品,保证了防盗需求。同时车上配有震动传感器检测自行车是否处于被盗状态,如是则发出蜂鸣警报,解决了用户自行车容易被盗的情况。但是,现有技术中的智能自行车方案仍存在以下缺陷:自行车震动并不一定是自行车被盗所致,有可能是正常跌倒等动作,只检测震动而报警误报率偏高,蜂鸣器过于扰民,而且单一震动传感器还有识别不出被盗的可能性。
技术实现思路
本专利技术的目的在于提出一种自行车防盗动作姿势识别方法,以正确识别自行车是否处于被盗的危险状态中,大幅度加强防盗检测,杜绝被盗而识别不出、蜂鸣器过于扰民等缺点。同时相应提出一种自行车防盗动作姿势识别装置。为了实现以上目的,本专利技术提出的一种自行车防盗动作姿势识别方法,主要包括以下步骤A至步骤E:A、微处理器通过动作传感器实时采集自行车的动作姿势数据进行平稳去噪;B、微处理器基于去噪后的动作姿势数据开始自动判别自行车的动作姿势;C、微处理器对自行车动作姿势数据进行量化;D、微处理器基于量化后的动作姿势数据识别出自行车当前的动作姿势;E、微处理器基于当前的动作姿势相应控制扬声器的报警动作。本专利技术的进一步优选方案中,步骤A1具体包括以下步骤A1至A3:A1、微处理器及动作传感器各自初始化;A2、微处理器通过动作传感器获得自行车的加速度数据;A3、微处理器对加速度数据进行平稳去噪,去噪结果为:SMA=(X1+X2+·… ...
【技术保护点】
一种自行车防盗动作姿势识别方法,其特征在于,包括以下步骤:A、微处理器通过动作传感器实时采集自行车的动作姿势数据进行平稳去噪;B、微处理器基于去噪后的动作姿势数据开始自动判别自行车的动作姿势;C、微处理器对自行车动作姿势数据进行量化;D、微处理器基于量化后的动作姿势数据识别出自行车当前的动作姿势;E、微处理器基于当前的动作姿势相应控制扬声器的报警动作。
【技术特征摘要】
1.一种自行车防盗动作姿势识别方法,其特征在于,包括以下步骤:A、微处理器通过动作传感器实时采集自行车的动作姿势数据进行平稳去噪;B、微处理器基于去噪后的动作姿势数据开始自动判别自行车的动作姿势;C、微处理器对自行车动作姿势数据进行量化;D、微处理器基于量化后的动作姿势数据识别出自行车当前的动作姿势;E、微处理器基于当前的动作姿势相应控制扬声器的报警动作。2.根据权利要求1所述的自行车防盗动作姿势识别方法,其特征在于,步骤A1具体包括以下步骤:A1、微处理器及动作传感器各自初始化;A2、微处理器通过动作传感器获得自行车的加速度数据;A3、微处理器对加速度数据进行平稳去噪,去噪结果为:SMA=(X1+X2+·……XN)/N,其中,SMA为去噪后的加速度数据,X1至XN为各次采集到的加速度数据,N为采集的次数。3.根据权利要求2所述的自行车防盗动作姿势识别方法,其特征在于,步骤B具体包括以下步骤:B1、初始化采集变量,包括启动阈值、停止阈值、停止步长以及有效数据最小长度;B2、将去噪后的加速度数据滤去重力加速度g,获取真实加速度数据;B3、若真实加速度数据的值大于启动阈值,则进入步骤B4,否则返回步骤B2;B4、微处理器记录真实加速度数据;B5、已采集数据长度加1,若真实加速度数据的值小于停止阈值,则停止步数加1并进入步骤B6,否则,停止步数为零,返回步骤B4;B6、判断停止步数与停止步长的值是否相等,若不相等则返回步骤B4,若相等则计算已采集的数据长度和停止步长的差值,并进入步骤B7;B7、若差值小于有效数据最小长度则采集的数据为有效数据,否则采集的数据为无效数据。4.根据权利要求3所述的自行车防盗动作姿势识别方法,其特征在于,步骤C具体包括以下步骤:C1、判断每一个真实加速度数据的范围,若其值a等于0,则量化值为0;若其值a大于0,则进入步骤C2;若其值a小于0,则进入步骤C3;C2、若真实加速度数据的值a大于2g,则量化值为21;若真实加速度数据的值a大于0g且小于或等于2g,则量化值z=a×10+1;C3、若真实加速度数据的值a小于-2g,...
【专利技术属性】
技术研发人员:彭绍湖,陈海荣,黄展鹏,刘长红,张承云,严一尔,唐冬,
申请(专利权)人:广州大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。