The invention provides a kind of human motion gait classification method based on the convolution neural network, which can carry on the high precision gait division to the complex motion gait of the human body, so as to complete the follow-up precise navigation task. The most sensitive parameter to the change of human motion gait is obtained by the gait statistics analysis of the measured data, which can be used as the input of the convolution neural network. It can obtain accurate data related to the gait classification, reduce the input of the convolution neural network and reduce the complexity of the network computing. After the selection of sensitive parameters, some input variables that are not related to the gait division are eliminated, which makes the gait recognition precision of the convolution neural network high, and realizes the high precision division of the complex motion gait of the human body.
【技术实现步骤摘要】
一种基于卷积神经网络的人体运动步态分类方法
本专利技术属于惯性传感技术和模式识别技术交叉领域,具体涉及一种基于卷积神经网络的人体运动步态分类方法。
技术介绍
随着社会不断发展,大型建筑日益增多且结构复杂,人们对室内位置服务需求越来越高。基于惯性传感器的行人航位推算(PDR)作为室内导航的主流技术之一,不需要外部系统支持,自主性强,彰显出极大优势。但惯性导航系统误差随时间累积,因此必须引入相应的误差控制方法。如果能对行人当前的运动步态有一个明确分类,就可以更为准确的估算行人当前的移动距离和运动方向,进而提高PDR的推算精度。因此需要利用模式识别的方法来识别行人运动的步态。现有研究将微惯性传感装置(MIMU)置于人体足部、腿部、腰部等不同位置,利用模式识别中K近邻、支持向量机等方法对在不同步态下采集到的加速度和角速度信号进行训练和分类,进而实现步态分类。然而,传统的步态分类方法只能识别平地走、跑步、上下楼等简单步态,由于人体运动具有任意性,在人体复杂运动时,传统的人体运动步态分类方法不再适用,因此必须找到新的方法解决人体复杂运动步态划分问题,提高步态识别精度,为室内人员全运动步态导航奠定基础。
技术实现思路
有鉴于此,本专利技术提供了一种基于卷积神经网络的人体运动步态分类方法,能够对人体复杂运动步态进行高精度的步态划分,从而完成后续的精确导航任务。本专利技术是通过以下技术方案来实现的:包括如下步骤:步骤1,采集人体在不同运动步态下的三轴加速度和三轴角速度信息,得到六个参量的样本数据,针对各个参量的样本数据,计算其在各步态下的步态统计学特征,并获得各参量的步态统计学 ...
【技术保护点】
一种基于卷积神经网络的人体运动步态分类方法,其特征在于,包括如下步骤:步骤1,采集人体在不同运动步态下的三轴加速度和三轴角速度信息,得到六个参量的样本数据,针对各个参量的样本数据,计算其在各步态下的步态统计学特征,并获得各参量的步态统计学特征差异;选取步态统计学特征差异大于设定阈值的参量为敏感参量,以敏感参量的数据作为卷积神经网络输入;将人体运动步态作为卷积神经网络输出;步骤2,建立卷积神经网络,并利用步骤1得到的敏感参量的样本数据以及步态对卷积神经网络进行训练,得到训练好的卷积神经网络;步骤3,实时采集敏感参量的数据并输入到训练好的卷积神经网络中,得到的输出结果即为当前的人体运动步态,实现人体运动步态分类。
【技术特征摘要】
1.一种基于卷积神经网络的人体运动步态分类方法,其特征在于,包括如下步骤:步骤1,采集人体在不同运动步态下的三轴加速度和三轴角速度信息,得到六个参量的样本数据,针对各个参量的样本数据,计算其在各步态下的步态统计学特征,并获得各参量的步态统计学特征差异;选取步态统计学特征差异大于设定阈值的参量为敏感参量,以敏感参量的数据作为卷积神经网络输入;将人体运动步态作为卷积神经网络输出;步骤2,建立卷积神经网络,并利用步骤1得到的敏感参量的样本数据以及步态对卷积神经网络进行训练,得到训练好的卷积神经网络;步骤3,实时采集敏感参量的数据并输入到训练好的卷积神经网络中,得到的输出结果即为当前的人体运动步态,实现人体运动步态分类。2.如权利要求1所述的一种基于卷积神经网络的人体运动步态分类方法,其特征在于,所述统计学特征为均值、方差、偏度、峰度或相关系数。3.如权利要求1所述的一种基于卷积神经网络的人体运动步态分类方法,其特征在于,所述人体运动步态包括平地走、上楼、下楼、...
【专利技术属性】
技术研发人员:王鹏宇,孙牧,邓志红,严丹,尚克军,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:北京,11
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。