基于支持向量机的行人步态分类系统及方法技术方案

一种惯性导航技术领域的基于支持向量机的行人步态分类系统及方法，包括：数据采集模块、数据处理模块以及带有存储介质的SVM模块，数据采集模块采集步态训练数据并输出至数据处理模块进行数据处理，数据处理模块将得到训练数据输入量输出至SVM模块进行学习并得到SVM分类器后存储于存储介质；实时测试时，通过数据采集模块实时采集实时步态信息后由数据处理模块进行所述的数据处理得到测试数据输入量，并经SVM模块根据SVM分类器对测试数据输入量分类处理，得到实时步态类型。本发明专利技术能够精确的检测行人运动过程中的静止区间，提高定位精度。

【技术实现步骤摘要】

本专利技术涉及的是一种惯性导航
的技术，具体是一种利用支持向量机(Support Vector Machine, SVM)实现行人步态实时分类的系统及方法。
技术介绍
步态分类的目的是将行人步态分类行走和跑步两大类，并在行人惯性导航中对不 同的步态运用更合理高效的检测方法。由于在行人惯性导航领域，针对行人行走的静止检 测方法并不适用于跑步的步态情况，因此相同检测方法下的跑步定位的精度较低。有效识 别跑步步态有助于对其采用更有针对性的静止检测方法，提高行人惯性导航算法的定位精 度。 SVM是一种建立在统计学习理论基础上的线性分类器。其算法是一个凸优化问题， 其局部最优解即为全局最优解。它的特点是根据结构风险最小化原则，在有限的样本信息 在模型的复杂性和泛化学习能力之间寻求最佳折衷，能有效避免过度学习或陷入局部最优 等缺点。以二维数据为例，两类数据点分布在一个二维平面中，其基本原理是通过训练找到 能够分开这两类数据点的分类线。虽然这样的分类线有很多，但有且仅有一条分界线满足 到两类数据点的类间间隔最大，被称为最优分类线，即为不同类的、在分类线垂直方向投影 到最近的数据点距离最短的一条分类线。对多维数据而言，数据点分布在多位空间内，SVM 分类器得到的是最优分类超平面。 经过对现有技术的检索发现，中国专利文献号CN104008398A，【公开日】2014 -8 -27，公开了一种基于多传感器信息融合的步态分类方法，该技术包括：采集若干个患者行走时 的足底压力信息与踝关节角度信息；根据获取的足底压力信息分析患者的步态阶段，该步 态阶段分为足部触地阶段和摆腿阶段，而患者同一只脚经过足部触地阶段和摆腿阶段为一 步态周期；设定步态周期的特征值，以表征每一个患者行走时的步态特征；针对每一个患 者的每一步态周期内的每一特征值采用谱聚类算法进行步态聚类分析，以将不同步态特征 的患者分为不同的类别，通过客观的将患者进行分类，从而为患者康复训练治疗提供参考， 以便医生可以对不同类别的患者采取不同的治疗方式和训练强度。该技术实施过程中必 须根据传感器信息对每个步态周期内的不同区间进行划分，并且该技术仅用于识别患者个 体。 中国专利文献号CN102772211A公开（公告）日2012. 11. 14,公开了一种人体运动 状态检测系统及检测方法，其中系统主要包括人体运动数据采集模块、数据处理模块、数据 归一化映射模块以及运动状态匹配模块。检测方法首先通过人体运动数据采集，然后对运 动数据处理、接着建训练状态样本库，最后对运动状态进行判别。该技术解决现有识别和检 测方法都有耗材繁琐，环境要求苛刻，不适宜大规模使用，不适宜在日常生活推广的弊端的 技术问题，该技术通过编程利用智能手机自带的传感器，不仅不会对用户的原来运动造成 太大干扰，而且能实时、快速、精确地对用户的运动状态做出判断，并作出相应的处理。 但由于人以一定速度行走时，步态可认为是周期性的，但分析时域内某个采样点 的数据与0. 1秒之后的数据可能表示不同的步态。虽然后者只是前者的平移，但在SVM分 类时，它们会在输入空间中出现在完全不同的位置。故上述技术采用时域内的数据进行分 析不够具有代表性，得到的结果不够精确。
技术实现思路
本专利技术针对在行人惯性导航中，行走和跑步两种步态适合采用不同的静止检测方 法的技术问题，提出一种，分类时无需划分步 态周期中的静止与运动区间且可以对行人行走和跑步两大类步态进行分类，此外本专利技术对 每一组行人步态数据独进行FFT (快速傅里叶变换），采用FFT幅值作为最终的SVM输入数 据，通过数据转换到频域内进行分析，能够精确的检测行人运动过程中的静止区间，提高定 位精度。 本专利技术是通过以下技术方案实现的： 本专利技术涉及以一种基于支持向量机的行人步态分类系统，包括：数据采集模块、数 据处理模块以及带有存储介质的SVM模块，其中：数据采集模块采集步态训练数据并输出 至数据处理模块进行数据处理，数据处理模块将得到训练数据输入量输出至SVM模块进行 学习并得到SVM分类器后存储于存储介质；实时测试时，通过数据采集模块实时采集实时 步态信息后由数据处理模块进行所述的数据处理得到测试数据输入量，并经SVM模块根据 SVM分类器对测试数据输入量分类处理，得到实时步态类型。 所述的数据处理包括：采样点选取处理、坐标变换处理、快速傅里叶变换幅值提取 和数据降维处理。 所述的数据采集模块安装于行人足部，具体包括：用于采集三轴加速度信号的加 速度计和用于采集三轴角速度信号的陀螺。 所述的数据处理模块包括：依次连接的采样点选取单元、坐标变换单元、快速傅里 叶变换幅值提取单元和数据降维单元。 本专利技术涉及上述系统的实现方法，包括以下步骤： 1)通过数据采集模块采集若干组行人行走和跑步的足部运动信息作为步态训练 数据； 每组步态训练数据中仅包含一种步态，即为纯行走或纯跑步数据，该步态训练数 据具体为通过安装于行人足部的数据采集模块采集到的行人行走或跑步时的足部运动信 息，包括行人运动时足部产生的加速度和角速度信号。 2)将所获取的步态训练数据经过数据处理模块进行数据处理，得到SVM分类器的 训练数据输入量，具体包括以下步骤： 2. 1)采样点选取：选取步态训练数据中的每个采样点前一段时间内的数据，或提 取若干组步态训练数据的每个采样点前一段时间，即等同于若干个采样点作为一条数据输 入量。 所述的一段时间的长度以能够辨别出行人步态的时间长度为宜，一般选取1秒时 间，具体实施时可根据传感器类型相应调整。 2. 2)坐标变换：将载体坐标系下的步态训练数据的坐标转换至导航坐标系。 所述的步态训练数据是指：由数据采集模块采集所得的三轴加速度和三轴角速度 数据，共六组。 2. 3)快速傅里叶变换幅值提取：对导航坐标系下的三轴加速度和角速度数据进 行FFT变换，并提取出FFT的频率幅值。 2. 4)数据降维：将相邻的一定数量的频率幅值相加以缩短六组步态训练数据（三 轴加速度和三轴角速度数据）的长度，再将该六组数据首位相接连成一个向量，即训练数 据输入量或测试数据输入量。 所述的一定数量一般选取10,具体实施时可根据传感器类型相应调整。 3) SVM模块根据训练数据输入量训练得到用于区分行走和跑步两种步态的SVM分 类器； 4)实时测试时，通过数据采集模块采集待测试的行人足部运动信息作为实时步态 信息； 所述的实时步态信息包括一种或多种步态，即可以是纯行走或纯跑步或既有行走 又有跑步的数据。 5)将实时步态信息经数据处理模块与步骤2)相同的方式进行数据处理，得到SVM 分类器的测试数据输入量； 6)用步骤3)中训练后的SVM分类器对测试数据进行实时分类。 技术效果 与现有技术相比，本专利技术技术效果包括： 1、本专利技术采用加速度计和陀螺组成的的惯性测量单元； 2、本专利技术所采用的传感器可安装于足部任意位置； 3、本专利技术中利用支持向量机分类器进行分类的数据类型为加速度和角速度数 据； 4、本专利技术用于识别步态的依据为步态周期内任意时刻的本文档来自技高网...

【技术保护点】
一种基于支持向量机的行人步态分类系统，其特征在于，包括：数据采集模块、数据处理模块以及带有存储介质的SVM模块，其中：数据采集模块采集步态训练数据并输出至数据处理模块进行数据处理，数据处理模块将得到训练数据输入量输出至SVM模块进行学习并得到SVM分类器后存储于存储介质；实时测试时，通过数据采集模块实时采集实时步态信息后由数据处理模块进行所述的数据处理得到测试数据输入量，并经SVM模块根据SVM分类器对测试数据输入量分类处理，得到实时步态类型。

【技术特征摘要】
1. 一种基于支持向量机的行人步态分类系统，其特征在于，包括：数据采集模块、数据 处理模块以及带有存储介质的SVM模块，其中：数据采集模块采集步态训练数据并输出至 数据处理模块进行数据处理，数据处理模块将得到训练数据输入量输出至SVM模块进行学 习并得到SVM分类器后存储于存储介质；实时测试时，通过数据采集模块实时采集实时步 态信息后由数据处理模块进行所述的数据处理得到测试数据输入量，并经SVM模块根据 SVM分类器对测试数据输入量分类处理，得到实时步态类型。2. 根据权利要求1所述的基于支持向量机的行人步态分类系统，其特征是，所述的数 据采集模块安装于行人足部，具体包括：用于采集三轴加速度信号的加速度计和用于采集 三轴角速度信号的陀螺。3. 根据权利要求1所述的基于支持向量机的行人步态分类系统，其特征是，所述的数 据处理模块包括：依次连接的采样点选取单元、坐标变换单元、快速傅里叶变换幅值提取单 元和数据降维单元。4. 一种根据上述任一权利要求所述系统的实现方法，其特征在于，包括以下步骤： 1) 通过数据采集模块采集若干组行人行走和跑步的足部运动信息作为步态训练数 据； 2) 将所获取的步态训练数据经过数据处理模块进行数据处理，得到SVM分类器的训练 数据输入量，具体包括以下步骤： 2. 1)采样点选取：选取步态训练数据中的每个采样点前一段时间内的数据，或提取若 干组步态训练数据的每个采样点前一段时间，即等同于若干个采样点作为一条数据输入 量； 2. 2)坐标变换：将载体坐标系下的步态训练数据的坐标转换至导航坐标系；所述的步 态训练数据是指：由数据采集模块采集所得的三轴加速度和三轴角速度数据，共六组； 2. 3)快速傅里叶变换幅值提取：对导航坐标系下的三轴加速度和角速度数据进行FFT 变换，并提取出FFT的频率幅值； 2.4)数据降维：将相邻的一定数量的频率幅值相加以缩短六组步态训练数据的长度， 再将该六组数据首位相接连成一个向量，即训练数据输入量或测试数据输入量； 3. SVM模块根据训练数据输入量训练得到用于区分行走和跑步两种步态的SVM分类 器； 4) 实时测...

【专利技术属性】
技术研发人员：吴哲君，唐雷，赵忠华，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31