【技术实现步骤摘要】
本专利技术涉及移动便携设备,特别涉及基于移动智能手机传感器数据的人体姿态识别技术中的手机姿态矫正算法、特征提取算法和机器学习算法。
技术介绍
医疗健康在当今社会生活中正受到越来多的关注。现在有很多的医疗监控的设备,比如随处可见的智能手环,它通过传感器的数值判断步数,并根据用户自己输入的年龄、性别、身高、体重等信息估计出步行距离和卡路里消耗量,这种基于阈值判断的人体动作监控方式具有速度快,设备简单的特点,在一些对准确度不高的环境下可以起到不错的效果。在智能手环技术如此火热的时代,这种便捷随身的人体动作监控技术的重要性不言而喻,不仅仅是年轻人有锻炼身体的需要,尤其是在这个老龄化严重的时代,子女对老人照料的压力巨大,但我们通过便携的人体动作监控设备和一些其他信息,例如GPS位置的符合,我们可以推断出老人目前的状态,更重要的是可以利用动作信息判断甚至是预判老人是否摔倒,从而减轻老年人照顾的负担。事实上,在传统的医疗领域,对长期人体动作监控的需求也越来越强烈,比如某一些精神病的诊断需要知道病人动作特征,而目前的技术主要是通过对病人和病人家属的主观询问,但尤其是对病人来说,这种主观理解并不准确,因为病人不能准确的记忆或者描述出当时的状态,这种情况下,如果使用基于设备的人体动作记录,就可以获得客观的数据,帮助医生的诊断和治疗。在这样的背景下,便携的人体动作识别系统的是非常重要的。本专利技术针对人体动作识别应用中的便携性和有效性两个方面进行了系统和方法的设计,利用常用的智能手机传感器平台和姿态矫正、特征抽取和模式分类的算法实现了一种可靠的人体动作识别系统。
技术实现思路
本 ...
【技术保护点】
一种基于智能手机的人体动作识别系统及方法包括以下步骤:(1)在智能手机中启用对服务器端的网络连接;(2)智能手机中使用三个后台服务监听三种传感器信息;(3)利用姿态矫正算法将智能手机加速度信息矫正到水平竖直方向;(4)将步骤(3)中的矫正后的加速度数据提取特征;(5)使用支持向量机(Support Vector Machine)和多核技术进行模型的学习和应用。
【技术特征摘要】
1.一种基于智能手机的人体动作识别系统及方法包括以下步骤:(1)在智能手机中启用对服务器端的网络连接;(2)智能手机中使用三个后台服务监听三种传感器信息;(3)利用姿态矫正算法将智能手机加速度信息矫正到水平竖直方向;(4)将步骤(3)中的矫正后的加速度数据提取特征;(5)使用支持向量机(Support Vector Machine)和多核技术进行模型的学习和应用。2.根据权利要求1所述的一种基于智能手机的人体动作识别系统及方法,其特征在于,所述步骤(1)中,建立了客户端与服务器端网络连接。其实现方法包括:(21)客户端启动时请求和服务器端建立连接,新建网络线程保持连接的有效性;(22)服务器端启动后等待客户端连接,收到请求后为该客户端建立网络连接和数据处理线程;(23)客户端发送数据到服务器端,服务器端进行处理后将结果返回到客户端。3.根据权利要求1所述的一种基于智能手机的人体动作识别系统及方法,其特征在于,所述步骤(2)中,客户端使用三个后台服务实现传感器监听,其实现方法包括:(31)分别建立三个后台服务,并分别注册对加速度传感器、方位传感器和重力传感器的监听;(32)将后台服务的监听数据同步到主线程。主线程选择存储数据或者将数据编码打包后发送到服务器端进行处理;(33)收集走路、跑步、跳跃、上楼梯、下楼梯、慢走、快走、向后走、骑车、休息等10种人体日常动作的数据作为训练数据。4.根据权利要求1所述的一种基于智能手机的人体动作识别系统及方法,其特征在于,所述步骤(3)中,姿态矫正算法,其实现方法包括:(41)利用方位传感器返回的X轴和Y轴对水平面的夹角,和重力传感器的三轴数据在竖直方向的矢量和为g,从而计算出手机Z轴对于水平面的夹角计算竖直方向的加速度ACCVertical=[ACC(2)×sin ORI(2)-ACC(1)×sin ORI(3)+ACC(3)×sin ZH]×-1根据重力传感器的三个分量在水平面上的投影的矢量和为零,而重力传感器的三个分量的投影大小固定,因此我们可以唯一的计算到X,Y,Z三轴在水平面上的投影方向GRAH(1)=|GRA(2)×cos ORI(2)|GRAH(2)=|GRA(1)×cos ORI(3)|GRAH(3)=|GRA(3)×cos ZH|ACCH(1)=|ACC(2)×cos ORI(2)|ACCH(2)=|ACC(1)×cos ORI(3)|ACCH(3)=|ACC(3)×cos ZH|G2G3=cos-1[cos G2G1...
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。