一种基于商用RFID的非接触式徒手健身活动识别方法技术

本发明专利技术公开了一种基于商用RFID的非接触式徒手健身活动识别方法，包括以下步骤：在监测区域中商用RFID收发设备，通过采集每种标准动作对应的相位信息并进行预处理后得到的对应的信号角频率集合，从而构建标准动作指纹库；用户在监测区域中进行徒手健身运动时，获取用户健身运动对应的信号角频率特征集合，并对该信号角频率特征进行两次分割，第一次分割时得到用户组活动序列集合，第二次分割得到用户动作序列集合，对所述的动作序列集合进行归一化处理并进行指纹进行匹配以完成识别。本发明专利技术结合人类活动识别领域的研究现状以及徒手健身的实际需求，利用现有商用RFID设备，填补了徒手健身活动领域相应的低成本、自动化的识别和评估方法的空缺。

【技术实现步骤摘要】
一种基于商用RFID的非接触式徒手健身活动识别方法
本专利技术涉及活动识别的应用，特别是一种基于商用RFID的非接触式徒手健身活动识别方法。
技术介绍
随着国民经济的发展和国家对“全民健身”的提倡，以运动收获健康的理念日益深入人心，越来越多的人加入到健身的队伍当中。近几年，徒手健身这种运动形式已经受到越来越多人的青睐。徒手健身运动是一种利用人体自身抵抗力来达到锻炼效果的健身运动。研究表明，有氧和无氧运动交替进行可以达到更好的锻炼效果。徒手健身运动作为一种半有氧的运动形式，是健身中不可或缺的一个重要组成。相比于跑步等单纯的有氧运动，徒手健身不仅有助于稳定、平衡骨骼和肌肉，还可以加速燃脂，对减肥起到重要的作用。而相比于器械运动而言，徒手健身的运动难度更低，受众范围更为广泛。另外，徒手健身不需要任何额外的器械，对运动场地大小要求低，人们在家中、办公室、健身房等就可自行进行训练，这也是徒手健身备受欢迎的原因之一。然而，对于大多数徒手健身者而言，都是通过私人教练或者从视频、文字等描述中获取相对标准的动作。但是，私人教练成本高昂，视频、文字的描述因为缺乏相应的监督和评估反馈，导致很多健身者长期进行错误的锻炼却浑然不知，轻者造成肌肉分布不均，严重者甚至会在训练中意外受伤(如肌肉拉伤、关节扭伤等)。造成上述问题的主要原因之一就是徒手健身活动领域缺乏相应的低成本、自动化的识别和评估方法。
技术实现思路
针对目前徒手健身活动领域相应的低成本、自动化的识别和评估方法的空缺，以及人类活动识别领域的研究现状，结合徒手健身活动的实际场景，本专利技术在现有商用RFID设备的基础上提出一种非接触式的徒手健身活动识别方法。本专利技术采用以下技术方案：一种基于商用RFID的非接触式徒手健身活动识别方法，包括以下步骤：在监测区域中商用RFID收发设备，通过采集每种标准动作对应的相位信息并进行预处理后得到的对应的信号角频率集合，从而构建标准动作指纹库；用户在监测区域中进行徒手健身运动时，获取用户健身运动对应的信号角频率特征集合，并对该信号角频率特征进行两次分割，第一次分割时得到用户组活动序列集合，第二次分割得到用户动作序列集合，对所述的动作序列集合进行归一化处理，将归一化处理后的结果与标准动作指纹库中的指纹进行匹配以完成识别。进一步地，所述的预处理包括相位信息的随机跳变去噪、对相位环境去噪；其中，所述的随机跳变去噪包括：在标准动作对应的相位信息中，判断相位信息中包含的相位是否产生随机跳变，若产生随机跳变，则将该相位恢复至跳变以前的相位；所述的相位环境去噪所采用的方法为离散小波变换。进一步地，所述的判断相位信息中包含的相位是否产生随机跳变，若产生随机跳变，则将该相位恢复至跳变以前的相位，包括：如果相位信息中的某一个相位θk(i)与该相位θk(i)之前的相位θk(i-1)的相位差大于π，则认为该相位θk(i)产生了随机跳变，将相位θk(i)减去π作为跳变前的相位。进一步地，所述的第一次分割时得到用户组活动序列集合，包括：将户健身运动对应的信号角频率特征集合w分割成为P个等长片段，得到等长片段的集合Nlarge；计算等长片段的集合Nlarge中每个等长片段中所有信号角频率的方差作为等长片段的方差，得到计算后对应的方差集合Vlarge；通过将每个等长片段的方差和预先设定的阈值Tlarge进行对比，找出大于阈值Tlarge的方差对应的等长片段，分别将大于阈值且相邻的等长片段合并得到用户组活动序列集合N。进一步地，所述的第二次分割得到用户动作序列集合，包括：将所述活动序列集合N中的序列分割成Q个等长片段，得到的等长片段的集合Nj；计算上等长片段集合中每个等长片段的方差，得到计算后的方差集合Vj；将方差集合Vj中的方差与前一个方差进行相减后取绝对值作为方差的一阶差分从而得到一阶差分集合Hj，通过一阶差分集Hj合得到用户动作序列集合。进一步地，所述的通过一阶差得到用户动作序列集合，包括：如某个一阶差分分满足标记条件，即该一阶差分大于阈值Tsmall并且其之前相邻的三个一阶差分或之后相邻的三个一阶差分均小于阈值Tsmall，则将该一阶差分进行标记；在所有的一阶差分中，筛选出所有满足标记条件的一阶差分并进行标记；所有标记的一阶差分中，自第一个标记的一阶差分开始，将每相邻的两个标记的一阶差分所对应的等长片段作为一个动作的开始片段和结束片段，将这两个等长片段以及这两个等长片段之间的所有等长片段进行合并，合并后的片段即为用户的一个动作序列由此得到第j组序列nj中所有的动作序列，构成用户动作序列集合。进一步地，所述的对所述的动作序列集合进行归一化处理，包括：对动作集合序列中的动作序列进行纵向归一化处理：其中，w′(n)表示纵向归一化后得到的信号角频率，N为中的信号角频率的个数，n∈{1,2,...,N}，从而得到归一化后的信号角频率集合；利用三次Hermite插值对归一化后的信号角频率集合进行拟合以及等距筛选，筛选出100个采样点对应的信号角频率构成新的角频率序列，完成归一化过程。与现有技术相比，本专利技术有如下技术效果：1.提出了一种基于商用RFID的非接触式徒手健身活动识别和评估方法。2.设计了一种不同分割粒度下基于方差的活动分割方法，提高了活动分割的效率。3.通过对现有快速DTW算法进行归一化改进，降低了活动速度对活动识别和动作标准程度评估的影响。附图说明图1是本专利技术方法的框架图；图2是健身教练做出徒手健身动作的示意图；图3是信号角频率特征获取示意图；图4是活动分割示意图，其中(a)为粗粒度组活动序列分割，(b)为细粒度单个活动序列分割；图5是本专利技术实施例中的实验默认部署场景；图6是活动分割实验结果图；其中(a)为活动分割三种评估指标结果，(b)为活动分割精确度结果；图7是不同场景下活动识别实验结果图；其中(a)为三种真实场景下活动识别真阳率，(b)为三种真实场景下活动识别假阳率；图8是不同速度下的每个动作的识别准确率；图9是不同场景部署情况；其中(a)为办公室场景，(b)为室内居家场景。具体实施方式本专利技术提供了一种基于商用RFID的非接触式徒手健身活动识别方法，包括以下步骤：步骤1，在监测区域中部署商用RFID收发设备在监测区域中部署现有商用RFID收发设备(例如Intel公司生产的R1000系列)构建收发端，包括一个RFID读写器、一个定向天线和一个RFID标签；其中，定向天线和RFID阅读器相连，定向天线和RFID标签距离地面高度均为0.9m。天线和标签均放置在监测区域两侧的中间位置上，RFID标签和RFID阅读器中心相对。步骤2，构建标准动作指纹库通过采集每种标准动作下对应的相位信息并进行预处理后得到对应的信号角频率，以构建标准动作指纹库；所述的预处理包括相位信息的随机跳变去噪、对相位环境去噪。步骤2.1：通过专业健身教练进行标准动作相位信息的采集使健身教练处于监测区域中，优选位于RFID阅读器的定向天线和RFID标签视距链路的中央，即整个检测区域的中央位置；健身教练做出徒手健身动作，将健身教练的每一个徒手健身动作作为标准动作；每个标准动作做一次，在进行标准动作的同时，RFID标签和RFID阅读器进行通信，由此采集每一个标准动作对应的相位信息；则在健身教练做不本文档来自技高网...

【技术保护点】
1.一种基于商用RFID的非接触式徒手健身活动识别方法，其特征在于，包括以下步骤：在监测区域中商用RFID收发设备，通过采集每种标准动作对应的相位信息并进行预处理后得到的对应的信号角频率集合，从而构建标准动作指纹库；用户在监测区域中进行徒手健身运动时，获取用户健身运动对应的信号角频率特征集合，并对该信号角频率特征进行两次分割，第一次分割时得到用户组活动序列集合，第二次分割得到用户动作序列集合，对所述的动作序列集合进行归一化处理，将归一化处理后的结果与标准动作指纹库中的指纹进行匹配以完成识别。

【技术特征摘要】
1.一种基于商用RFID的非接触式徒手健身活动识别方法，其特征在于，包括以下步骤：在监测区域中商用RFID收发设备，通过采集每种标准动作对应的相位信息并进行预处理后得到的对应的信号角频率集合，从而构建标准动作指纹库；用户在监测区域中进行徒手健身运动时，获取用户健身运动对应的信号角频率特征集合，并对该信号角频率特征进行两次分割，第一次分割时得到用户组活动序列集合，第二次分割得到用户动作序列集合，对所述的动作序列集合进行归一化处理，将归一化处理后的结果与标准动作指纹库中的指纹进行匹配以完成识别。2.如权利要求1所述的基于商用RFID的非接触式徒手健身活动识别方法，其特征在于，所述的预处理包括相位信息的随机跳变去噪、对相位环境去噪；其中，所述的随机跳变去噪包括：在标准动作对应的相位信息中，判断相位信息中包含的相位是否产生随机跳变，若产生随机跳变，则将该相位恢复至跳变以前的相位；所述的相位环境去噪所采用的方法为离散小波变换。3.如权利要求2所述的基于商用RFID的非接触式徒手健身活动识别方法，其特征在于，所述的判断相位信息中包含的相位是否产生随机跳变，若产生随机跳变，则将该相位恢复至跳变以前的相位，包括：如果相位信息中的某一个相位θk(i)与该相位θk(i)之前的相位θk(i-1)的相位差大于π，则认为该相位θk(i)产生了随机跳变，将相位θk(i)减去π作为跳变前的相位。4.如权利要求1所述的基于商用RFID的非接触式徒手健身活动识别方法，其特征在于，所述的第一次分割时得到用户组活动序列集合，包括：将户健身运动对应的信号角频率特征集合w分割成为P个等长片段，得到等长片段的集合Nlarge；计算等长片段的集合Nlarge中每个等长片段中所有信号角频率的方差作为等长片段的方差，得到计算后对应的方差集合Vlarge；通过将每个等长片段的方差和预先设定的阈值Tlarge进行对比，找出大于...

【专利技术属性】
技术研发人员：陈晓江，王晔竹，张涛，刘宝英，房鼎益，陈峰，任宇辉，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61