本发明专利技术涉及一种多传感器集成的人体运动姿态捕获与识别装置。本装置包括三轴加速度传感器、三轴角速度传感器、单片机和电源管理模块，安装在人体的小腿部位，利用三轴加速度传感器和三轴角速度传感器提取人体在运动过程中的加速度数据以及角速度数据，先将采集到的加速度数据和角速度数据进行预处理，再使用时域分析和频域分析的方法对采集到的数据进行分析并提取出特征量，将提取到的特征量作为朴素贝叶斯分类器的输入，利用朴素贝叶斯分类器分类和识别人体当前的运动姿态。与基于计算机视觉技术的人体运动姿态识别方法相比，基于单片机的人体运动姿态识别和监测技术具有不泄露使用者的隐私、携带方便简洁、检测准确等诸多优点。
【技术实现步骤摘要】
本专利技术属于基于传感器采集人体运动过程中产生的数据并且分析和识别的领域。
技术介绍
在模式识别领域，人体运动姿态的识别已经成为当前研究的热点。最近几年，伴随人机交互等技术的快速发展，在竞技体育、康复治疗、体感游戏等各个方面，人体运动姿态识别技术得到了普遍应用。这些应用中，在生物医学领域方面比较典型的例子是专门用于检测和评估老年人以及正在进行康复治疗的这一特殊人群日常生活的应用。在日常生活中釆集老年人的运动数据，建立大样本运动数据库，进而通过对运动信息的数据挖掘和分析，估计和预测老年人的行动能力，并且能够预报潜在跌倒的可能，对预防老年人因各种内在和外在的因素而发生的意外跌倒具有极其重要的意义。虽然最近几年基于传感器的人体运动姿态识别技术发展飞速，已经有很多研究都能够准确地识别人体在日常生活活动过程中所展示的几种最基本的姿态，但是目前的研究人员对人体上楼和下楼姿态的研究工作还并不多见。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种精度较高的多传感器集成的人体运动姿态捕获与识别装置。所述的目的是通过以下方案实现的：本专利技术针对可穿戴式传感器的人体运动姿态捕获与识别装置，是一种由单片机、三轴加速度传感器、三轴角速度传感器、电源管理模块等组成的可穿戴的、便携式的用于捕获和识别人体运动姿态的传感器终端。本专利技术由单片机控制三轴加速度传感器和三轴角速度传感器采集人体当前运动姿态的数据，对所采集到的数据进行预处理、时域分析和频域分析之后，提取数据的时域和频域上的特征量，即提取加速度和角速度的均值、方差、零点穿越次数、时域面积积分和幅频特性作为识别分析的特征量，将这些特征量作为朴素贝叶斯分类器的输入，由朴素贝叶斯分类器分类和识别人体当前的运动姿态。所述的可穿戴式传感器包括相连接的固定件和检测装置。所述的固定件包括腕带、腰带或其他连接带。所述的检测装置包括相连接的检测传感器和单片机，单片机控制三轴加速度传感器和三轴角速度传感器进行数据采集，并将采集到的运动数据和信息存储到自带的Flash中。所述的单片机为IAP15F2K61S2 系列单片机。所述的三轴加速度传感器为ADXL345三轴加速度传感器。所述的三轴角速度传感器为L3G4200D三轴数字陀螺仪。所述的预处理的内容包括对采集到的数据进行中值滤波和将采集到的数据换算为十进制形式。所述的时域分析方法为SVM(Signal Vector Magnitude)加速度模向量算法。所述的频域分析方法为FFT快速傅里叶变换。所述的特征量为加速度和角速度的均值、方差、零点穿越次数、时域面积积分和幅频特性。所述的分类和识别为采用朴素贝叶斯分类器对输入的特征量进行分类和识别。附图说明为了使本专利技术的目的技术和方案更加清楚，下面将结合附图对本专利技术作进一步的详细描述：图1示出多传感器集成的人体运动姿态捕获与识别系统设计结构框图；图2示出测量装置佩戴位置示意图；图3示出朴素贝叶斯分类器模型。具体实施方式以下将结合附图和具体实施例对本专利技术进行详细说明。 本专利技术以本技术为前提进行实施，给出了详细的实施方式和具体的操作过程，但本设计的保护范围不限于下述的实施例。如图1所示，多传感器集成的人体运动姿态捕获与识别系统中的数据采集模块包括：三轴加速度传感器(3)、三轴角速度传感器(4)、电源管理模块(6)、单片机(7)，负责采集并存储运动数据和信息。人体运动姿态捕获与识别系统中的数据处理模块主要利用matlab程序分析(10)实现，负责数据的预处理(11)、特征量(加速度和角速度的均值、方差、零点穿越次数、时域面积积分和幅频特性)的提取(12) 和朴素贝叶斯分类器(13)分类，最后分析并得出结论(14)。本专利技术选用ADXL345三轴加速度传感器，接收人体运动过程中产生的加速度信号(1)，测量人体运动过程中产生的加速度的矢量数据。三轴加速度传感器(3)采用直角坐标系，其中Z轴指向人体的前进方向，Y轴指向人体的右侧，X轴与人体平行并指向人体的头部。加速度在人体日常运动的过程中会发生巨大变化，为了准确地采集到人体日常运动过程中产生的加速度数据，本专利技术采用了±16g作为人体运动信息采集装置的测量范围。当传感器的量程范围为±16g时，对应的传感器分辨率为3.9mg/LSB。LSB为加速度传感器的单位。本专利技术的三轴角速度传感器(4)选用L3G4200D 三轴数字陀螺仪，接收人体运动过程中产生的角速度信号(2)，测量人体运动过程中产生的角速度的矢量数据。三轴角速度传感器(4)同样采用直角坐标系。本专利技术中，多传感器集成的人体运动姿态捕获与识别系统中的数据采集模块中三轴加速度传感器(3)和三轴角速度传感器(4)的采样频率设置为25Hz。本专利技术中的单片机(7)选用IAP15F2K61S2 系列单片机，单片机(7)控制三轴加速度传感器(3)和三轴角速度传感器(4)采集人体运动的数据，并通过I2C总线协议(5)将采集到的运动数据和信息存储到单片机(7)自带的Flash中。电源管理模块(6)负责为单片机(7)、各传感器(3、4)以及电路板上的所有电子元件供电。当多传感器集成的人体运动姿态捕获与识别系统中的数据采集装置连接到上位机(9)机上后，将存储的信息读出并通过UART串口通信协议(8)发送给上位机(9)，并用“.TXT”文本存储起来。多传感器集成的人体运动姿态捕获与识别系统中的数据采集装置的佩戴位置如图2所示，将各传感器佩戴在小腿部位。图2所示的右腿上的传感器（15）和左腿上的传感器(17)为三轴加速度传感器(3)，图2所示的右腿上的传感器(16)和左腿上的传感器(18)为三轴角速度传感器(4)。本专利技术对需要进行处理的加速度数据和角速度数据利用matlab程序分析(10)，先分别将加速度数据和角速度数据进行预处理(11)。其中，预处理(11)的内容包括对采集到的数据进行中值滤波，以及将采集到的数据换算为十进制形式。原始采集到的数据包含了大量的噪声，例如人的身体不自主晃动而产生的噪声和传感器的噪声，对采集到的数据进行中值滤波，有利于得到更准确的数据用来后续分析。本专利技术利用的是十进制的数据来计算加速度和角速度的均值、方差、零点穿越次数、时域面积积分和幅频特性，故需要将采集到的数据换算成十进制的数据。在预处理(11)之后， matlab程序分别计算整个过程中加速度和角速度的均值、方差、零点穿越次数、时域面积积分和幅频特性，获得特征量。其中，用到的时域分析方法为SVM(Signal Vector Magnitude)加速度模向量算法，用到的频域分析方法为FFT快速傅里叶变换。而后利用朴素贝叶斯分类器(13)，将这些特征量作为朴素贝叶斯分类器(13)的输入，最后分析并得出结论(14)。本专利技术利用朴素贝叶斯分类器进行特征分类和识别。朴素贝叶斯分类器模型如图3所示，用C(S1)来表示类结点(变量)，用A1(S2),A2(S3),...,An(S4)来表示属性结点(变量).在朴素贝叶斯分类器中，给定类结点(变量)后，各属性结点(变量)之间相互独立。假设每一个数据样本都使用同一个n维特征向量x={x1,x2,…,xn本文档来自技高网...
【技术保护点】
多传感器集成的人体运动姿态捕获与识别装置，其特征在于，是一种由单片机、三轴加速度传感器、三轴角速度传感器、电源管理模块等组成的可穿戴的、便携式的用于捕获和识别人体运动姿态的传感器终端；其特征在于它包括由单片机控制三轴加速度传感器和三轴角速度传感器采集人体当前运动姿态的数据，对经过预处理后的数据利用matlab程序进行分析并且提取特征量，最后使用朴素贝叶斯分类器分类和识别人体当前的运动姿态。
【技术特征摘要】
1.多传感器集成的人体运动姿态捕获与识别装置，其特征在于，是一种由单片机、三轴加速度传感器、三轴角速度传感器、电源管理模块等组成的可穿戴的、便携式的用于捕获和识别人体运动姿态的传感器终端；其特征在于它包括由单片机控制三轴加速度传感器和三轴角速度传感器采集人体当前运动姿态的数据，对经过预处理后的数据利用matlab程序进行分析并且提取特征量，最后使用朴素贝叶斯分类器分类和识别人体当前的运动姿态。2.根据权利要求1所述的多传感器集成的人体运动姿态捕获与识别装置中，其特征在于，利用matlab程序提取的特征量为加速度和角速度的均值、方差、零点...
【专利技术属性】
技术研发人员：刘卓夫，应琼媚，刘雪，赵虹，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江;23
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。