一种基于智能手机感知行人安全方法技术

本发明专利技术涉及了一种基于智能手机感知行人安全方法，为了解决行人行走分心引发的道路交通安全问题，在用户行走时收集智能手机惯性传感器数据进行步态周期划分以及经过地形判断，提醒行人危险状态。本发明专利技术公开了一种行人动态调整阈值的步态周期划分方法以及有限状态机判断正常行走周期的方法，通过动态阈值判断用户上下路肩，并使用两步分类的LogitBoost元算法分类方法，即提取相应周期的时域以及频域特征进行分类的方法，第一步分类器用主要的传感器轴数据进行迭代较少的训练，其中一类再提取更多数据特征，进行第二步分类，以对用户的行走状态以及经历地形做出判断。

A Pedestrian Safety Perception Method Based on Smart Phone

The invention relates to a method for perceiving pedestrian safety based on smart phones. In order to solve the road traffic safety problems caused by pedestrian distraction, the data of smart phone inertial sensors are collected to divide the gait cycle and to remind pedestrians of dangerous state by terrain judgment. The invention discloses a method for dividing the gait cycle of pedestrians dynamically adjusting threshold and a method for judging normal walking cycle by finite state machine. The user's upper and lower shoulders are judged by dynamic threshold, and a two-step classification method based on LogitBoost meta-algorithm is used, that is, a method for extracting the time domain and frequency domain features of the corresponding period to classify. The first step classifier uses the main sensor axis. Data are trained with fewer iterations, one of which extracts more data features and classifies them in the second step to judge the user's walking state and experience terrain.

【技术实现步骤摘要】
一种基于智能手机感知行人安全方法
本专利技术属于信息
，具体地指一种基于智能手机感知行人安全方法。
技术介绍
随着道路交通事业的飞速发展，交通事故发生率呈上升趋势，在这些交通事故当中，行人安全受到侵害占有很大的比重。计量经济学的分析结果表明，行人交通事故死亡率近年来只增不减，很大程度上是由于电子设备如手机的高频使用导致行人分心发生交通事故。智能手机普及，移动通信技术飞速发展，互联网上新奇事物随手可得，但这导致了分心使用手机的行人越来越多据调查，大约有26％的行人在穿越街道过程中使用智能手机发短信，51％的行人通电话以及36％的人戴耳机听音乐。在我国，据调查显示，玩手机已经成为机动车交通事故的主要诱因，约占所有诱因的10％。如何解决智能手机带来的行人安全问题，除了完善道路交通制度与提高行人安全意识之外，技术手段也能够有效预防行人交通事故的发生。行人交通事故因其可预见性而可以避免。现有的项目中，对行人交通事故的避免方法主要分为两类，即车辆的行人识别技术以及基于定位的行人安全预警技术。较为成熟的是自动驾驶技术中对行人的识别，及时发现过路行人进行制动，其主要技术包括图像均衡、图像分割检测、特征提取、图像识别，随着机器学习技术的发展，图像识别技术越发成熟，其识别精度有很大提高。而及时提醒分心的过马路行人，更能有效防止行人交通事故的发生。户外的行人定位技术中，最常见的是基于GPS的行人定位技术，但GPS用于区分行人道与马路的精度不足，难以在建筑物高耸、人流密集的道路上对单个行人进行精确定位，并且地图数据没有对人行道和马路进行区分，难以向用户做出正确预警。利用无线信号在其覆盖区域进行定位，在室内有较好效果，但在室外难以区分行人道与马路，无法对行人危险状态进行检测。通过用户智能手机的后置摄像头，使用图像识别的方法进行车辆识别，并融合环境中的车辆行驶声音以及能见度等级等数据，判断当前行人的位置，能够在危险状态下给予行人警示，但使用手机摄像头限制了用户的行为，不具有实用性。
技术实现思路
本专利技术就是针对现有技术的不足，提供了一种基于智能手机感知行人安全方法，识别危险状态，给予提醒。本专利技术的技术方案为一种基于机器学习的行人步态识别以及事件预测方法，包含以下的步骤：步骤1，数据的收集与预处理。在智能手机上，以特定频率f从加速度传感器、陀螺仪、磁力计进行信号收集，分别得到三轴的加速度、角速度和磁力计数值。通过得到的加速度以及磁力计数值，得到智能手机的姿态，即偏航角、俯仰角以及滚动倾斜角，具体方法为通过加速度数值(单位m/s2)以及磁力计数值(单位μT)进行归一化后，得到手机三轴加速度值ax，ay，az以及三轴磁场强度ma，mb，mc，根据旋转角的定义关系，得出旋转矩阵R，进而求出偏航角、俯仰角以及滚动倾斜角。此外，根据三轴加速度，计算出合加速度值：求解出手机姿态后，利用巴特沃斯低通滤波器去除远大于行人正常走路对智能手机产生影响的信号，巴特沃斯滤波器特征在于能够在有效去除截止频率外信号的前提下，在通频带的频率响应曲线最平滑，对于截止频率为ωc的n阶巴特沃斯低通滤波器可由如下公式表示：软件定义的巴特沃斯滤波器阶数n在实际应用中由截止频率的精确度以及滤波器的复杂度决定，越高阶的滤波器截止频率等参数越精确，但计算复杂度更高，如何平衡两项指标由实际设备的性能以及能耗需求实际调整。使用此滤波器对三轴加速度、合加速度、三轴角速度以及姿态三个角度进行低通滤波，能够有效地去除由于硬件和环境影响而产生的高频信号，得到较为纯净的三轴加速度、合加速度、三轴角速度以及对于世界坐标系的三轴角度，用作下列步骤的处理。步骤2，进行步态周期的划分。为对行人经过地形进行识别判断，首先对行人步态周期进行划分，以在每个步态周期内进行特征提取，分析地形特征。传统的基于阈值划分的技术只是简单在合加速度超过阈值线时划分为一步，未考虑这一步经历时间以及实际行走状态而导致错判、漏判。在传统的基于阈值划分行走周期的技术基础上，提出一种对合加速度进行自适应的行走周期划分方法，根据最近一段数据点实时调整阈值，对不同人的行走状态以及同一人不同行走状态的行走周期进行精确划分。具体来说，使用对于新收到的数据点，经过滤波后得到的加速度a′x，a′y，a′z后，根据历史数据的前n-1步平均值和二阶矩以及从上一步划分后新收集n2个点的平均值、二阶矩，得到加权的平均值、方差，通过如下数学公式进行合加速度阈值的计算：使用有限状态机的方法，根据合加速度超的阈值以及状态经历的时间阈值共同设立状态转移的事件，将到达的最后一个状态SM记为行走周期的末尾，即下个行走周期的开始。具体来说，初始状态为未达到阈值状态S0，对应于站立或其他非行走状态；在合加速度超过上述计算动态阈值后，进入加速度上升状态S2，对应于摆动相，此状态减少其他动作产生噪声(峰值点低于阈值)的影响；达到峰值点后进入状态S3，对应脚跟击地，划分为新一步开始；低于动态计算的阈值后进入状态S4，对应于另一只脚的摆动相；合加速度低于前n-1步平均值μn-1后进入支撑相状态s1；在s1状态判断动态阈值到达状态S2，进而到S3成功监测到一步结束，同时是新一步的开始。除S0状态外，每个状态记录其经历时间，根据一般人行走各步态周期的时长，当状态超过一定时间后未到达下一个状态，即转到状态S0，认为不是正常行走状态，重新寻找一步的开始，以减少误判。步骤3，周期内步态特征的提取。划分步态周期后，对一个周期内的行人步行数据进行特征提取，在时域以及频域进行特征提取，时域的特征包括但不限于平均值、周期时长、中位数、上分位数、下分位数、上下分位数之差、最大值、最小值、90％分位点、标准差、二阶矩、三阶矩、四阶矩、范数、熵等；频域特征包括最大两个峰值的值以及熵。系统通过使用傅里叶变换将一个步态周期的信号映射到频域范围内，进行频域特征的提取。系统对两个硬件传感器以及第三个软件传感器去除噪声之后的数据，择取其中能够反映用户行走状态的方向进行特征提取，以减少后续计算量，软件传感器指方向传感器。对每一步，将十个轴的上述时域以及频域的所有特征组成特征向量V＝(v1,v2,v3......vn)，作步骤4的事件识别，十轴包括三轴加速度、合加速度、三轴角速度、三轴姿态角的轴。步骤4，步态周期对应事件的识别。本系统对步态周期的事件划分为：上路肩、下路肩、上小坡、下小坡、转向等5种事件。5种事件通过3种方法进行识别预测。首先判断是否出现上下路肩事件，因这种事件容易检测且对行人安全威胁较大。通过这一步的特征中加速度的最大值变化进行判断，即判断此步合加速度最大值是否超过阈值且在各方向中是否有下述对应规律来识别是否为上下路肩事件：下路肩时合加速度最大值较大，并且在前进方向、重力方向有加速的特点；上路肩时合加速度较小(但比正常大)且在前进方向加速度较小、重力反方向加速度较大。其次判断行人是否转向，转向对后面判断上下小坡有影响，先将转向事件分离出来。系统通过三轴姿态中偏航角ψ的平均值组成的序列判断转向，即判断值为真，则为转向。最后，本系统使用元算法组成的机器学习分类器进行上下小坡的分类。仅使用单个分类器组成的机器学习方式难以做出准确判断，因此使用LogitBoost元算法提高分类器的性能本文档来自技高网...

【技术保护点】
1.一种基于智能手机感知行人安全方法，其特征在于，包括以下步骤：S1收集并预处理手机姿态数据；S2划分步态周期的起始位置；S3提取周期内步态特征；S4识别行走事件并对行走事件经过的地形进行建模，若判断为马路，则给予用户提示。

【技术特征摘要】
1.一种基于智能手机感知行人安全方法，其特征在于，包括以下步骤：S1收集并预处理手机姿态数据；S2划分步态周期的起始位置；S3提取周期内步态特征；S4识别行走事件并对行走事件经过的地形进行建模，若判断为马路，则给予用户提示。2.根据权利要求1所述的基于智能手机感知行人安全方法，其特征在于：收集并预处理手机姿态数据具体为，从设备的加速度传感器、陀螺仪、磁力计进行数据收集，并通过加速度和磁力计的数值，计算手机姿态，即偏航角、俯仰角以及滚动倾斜角；利用巴特沃斯低通滤波器除去远大于行人行走对设备造成的频率影响。3.根据权利要求2所述的基于智能手机感知行人安全方法，其特征在于：在收集到加速度计以及磁力计的数据后，通过计算旋转矩阵R得出手机的姿态，并分别通过两次的巴特沃斯低通滤波器，对加速度通过更低频的滤波进行步态周期的划分，对所有传感器轴的数据通过较高的频率，把行人行走的细节信息加入特征提取环节中。4.根据权利要求1所述的基于智能手机感知行人安全方法，其特征在于：划分步态周期的起始位置，具体过程如下：对于新收到的步态数据点，经过滤波后得到的加速度，计算加速度平方平均得到合加速度an，根据历史数据的前n-1步平均值以及二阶矩以及此步开始的前n2...

【专利技术属性】
技术研发人员：陈艳姣，欧润民，张泰阁，徐劲草，李嘉伟，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42