一种可穿戴设备及基于其的动作监测方法技术

本发明专利技术公开了一种可穿戴设备及基于其的动作监测方法，方法包括：利用可穿戴设备上的运动传感器实时采集用户的运动数据；根据最长公共子序列算法对采集的运动数据进行动作区间检测，提取出动作区间；对提取出的动作区间对应的运动数据进行动作识别，得到识别结果。利用可穿戴设备上的惯性传感器实现随时随地监测和分析用户活动，运算简单，并且对周围环境和空间没有限制，克服了视频分析技术的弱点，增强了用户体验。

【技术实现步骤摘要】
一种可穿戴设备及基于其的动作监测方法
本专利技术涉及可穿戴设备
，具体涉及一种可穿戴设备及基于其的动作监测方法。
技术介绍
在现代社会，随着生活水平以及人们安全意识的提高，健康的生活和人身安全对人们尤其是老年人，越来越重要，因此对能够监测日常活动并识别出异常行为动作的产品有着很大的需求。而现有的行为监测技术方案通常采用视频分析的方法，该方法不仅运算复杂，而且对环境背景和光线等有较高要求，另外还需要用户保持在摄像头的捕捉范围内，具有很大的空间局限性。
技术实现思路
本专利技术提供了一种可穿戴设备及基于其的动作监测方法，基于可穿戴设备惯性传感器实现随时随地监测和分析人体活动，运算简单，并且对周围环境和空间没有限制，有效地克服了视频分析的缺陷，增强了可穿戴设备的用户体验。根据本申请的一个方面，提供了一种基于可穿戴设备的动作监测方法，包括：利用可穿戴设备上的运动传感器实时采集用户的运动数据；根据最长公共子序列算法对采集的运动数据进行动作区间检测，提取出动作区间；对提取出的动作区间对应的运动数据进行动作识别，得到识别结果。根据本申请的另一个方面，提供了一种可穿戴设备，运动传感器，与所述运动传感器连接的处理器；所述运动传感器，用于实时采集用户的运动数据；所述处理器，用于根据最长公共子序列算法对采集的运动数据进行动作区间检测，提取出动作区间，对提取出的动作区间对应的运动数据进行动作识别，得到识别结果。应用本专利技术实施例的技术方案，利用可穿戴设备上的传感器对人们的日常行为动作的数据进行采集并进行分析，从连续的传感器数据中提取出可能的动作区间，对动作区间内的运动数据进行动作识别，得到识别结果。与现有视频分析的监测方案相比，不对环境、光线等背景进行限制，并且不需要限定用户的空间范围，应用更灵活，提高了用户体验。另外，通过采用最长公共子序列算法对连续的传感器数据进行标定，提取真正的动作区间，抑制了边界其它动作数据的干扰，在提高可靠性的同时具有较低的运算复杂度。附图说明图1是本专利技术实施例中的基于可穿戴设备的动作监测方法的流程图；图2是本专利技术实施例中的基于可穿戴设备的动作监测方法的流程示意图；图3是本专利技术实施例中的训练动作区间模板的流程图；图4是本专利技术实施例中的动作区间提取的流程图；图5是本专利技术实施例中的动作识别的流程图；图6是本专利技术实施例中的可穿戴设备的框图。具体实施方式本专利技术的设计构思在于：智能手表等可穿戴设备目前得到了迅猛的发展，它们有自己的计算能力和资源，而且一般都会嵌入多种MEMS传感器，如加速度计、陀螺仪等，对数据运算和信号处理提供了软硬件支持，而可穿戴设备中现有的加速度等传感器可以感知人体的动作。另外，可穿戴设备一般都会长期佩戴在用户身上，如果把日常活动监测功能集成到可穿戴设备上，那么出现异常状况时及时提醒和远程报警，保障了人们的健康生活和人身安全。利用可穿戴设备上的惯性传感器可以随时随地监测和分析人体活动，运算简单，并且没有对周围环境和空间的限制，有效地克服了视频方法的弱点，增强了用户体验。图1是本专利技术实施例中的基于可穿戴设备的动作监测方法的流程图，参见图1，本实施例的基于可穿戴设备的动作监测方法包括下列步骤：步骤S101，利用可穿戴设备上的运动传感器实时采集用户的运动数据；步骤S102，根据最长公共子序列算法对采集的运动数据进行动作区间检测，提取出动作区间；步骤S103，对提取出的动作区间对应的运动数据进行动作识别，得到识别结果。由图1所示可知，本实施例的方法利用可穿戴设备上的运动传感器采集用户的运动数据，方便随时随地对用户动作进行检测，对环境和光线的要求很低，应用更灵活。结合最长公共子序列算法对采集的运动数据进行动作区间检测，提取出动作区间，对提取出的动作区间对应的运动数据进行动作识别，得到识别结果。通过最长公共子序列算法提取真正的动作区间，从而抑制边界其它动作数据的干扰，在提高可靠性的同时具有较低的运算复杂度。实际应用中为了实现对人体日常活动监测，还需要考虑并解决以下技术问题：(1)由于在日常行为中，用户的活动是连续的，因此需要从连续的传感器数据流中检测出感兴趣的动作数据，去除其它活动的干扰。(2)基于加速度等惯性传感器，设计有效的动作类型检测算法识别出动作。另外，可穿戴设备的资源有限，需要在降低算法复杂度的同时，保证动作识别的可靠性。(3)检测异常行为或危险状况，并及时提醒或通知紧急联系人。下面结合图2至图5对本专利技术实施例中为解决上述技术问题而采用的技术手段进行说明。如图2所示，本专利技术实施例对佩戴了智能手表的用户的日常活动监测方法主要包括动作区间检测、动作识别和异常行为处理等步骤。步骤S201，三轴加速度数据采集。需要说明的是，智能手表上设置有多种运动传感器，比如，加速度计和陀螺仪本实施例中以加速度计为例对数据采集进行说明。在用户佩戴智能手表的过程中，智能手表上的加速度计实时采集用户的运动数据。由于用户的动作是连续的，加速度数据序列也是连续的，在进行日常行为动作监测时，需要提取加速度数据的动作区间。步骤S202，动作区间检测。在本步骤中，采用了最长公共子序列(LongestCommonSubsequence，LCS)的动作区间标定方法，将传感器数据进行量化并表示为字符串，实际应用中通过动态编程获取字符串之间的最长公共子序列，从而进一步获取用户的动作区间的开始点和结束点。最长公共子序列LCS是指两个字符串之间的最长公共子序列。比如A、B为两个长度分别为n和m的字符串，L(i,j)是A的前i个符号和B的前j个符号之间的最长公共子序列的长度，则A和B之间的最长公共子序列长度为L(n,m)。L(n,m)以及两个序列之间的匹配点(即，相同元素)通过动态编程得到，如下式所示：步骤S203，动作识别。针对提取出的动作区间，进一步采用SVM等机器学习方法识别所对应的动作类型。步骤S204，判断是否为异常或危险行为，是则执行步骤S205。当识别结果指示异常或危险动作发生时，利用可穿戴设备上的报警器进行报警和/或通过与可穿戴设备连接的智能终端远程报警。具体将用户的动作数据与异常或危险行为模板数据进行比较，判断是否为异常或危险行为。步骤S205，异常行为处理。如果出现异常行为时及时在智能手表上进行报警提醒，或发送通知给预先设定的紧急联系人。至此，本实施例的方法利用手表随身佩戴和便携性的特点，可以随时随地对人们的日常活动进行监测。相比采用视频方法的活动监测系统，本专利技术计算相对简单，并不受环境和空间等条件的限制，应用更灵活，提高了用户体验。另外，通过采用LCS算法对连续的传感器数据进行标定，提取真正的动作区间，以抑制边界其它动作数据的干扰，在提高可靠性的同时具有较低的运算复杂度。而且，针对提取出的动作区间数据进一步采用机器学习的方法进行识别，提高了识别的正确率和可靠性。通过所设计的算法，能够可靠地识别出感兴趣的动作，或者检测出异常或危险行为的发生，并且能及时提醒或发送通知给紧急联系人，保障人们的健康和安全。本实施例中，在进行动作区间检测之前，还进行动作区间模板的训练，具体包括：针对预设的各动作类型，采集多组三轴加速度数据作为样本实例，采用K均值算法对所有动作类型的样本实例进行聚类分析，将样本实例中各加速度数据点用离它距离最本文档来自技高网...

【技术保护点】
1.一种基于可穿戴设备的动作监测方法，其特征在于，包括：利用可穿戴设备上的运动传感器实时采集用户的运动数据；根据最长公共子序列算法对采集的运动数据进行动作区间检测，提取出动作区间；对提取出的动作区间对应的运动数据进行动作识别，得到识别结果。

【技术特征摘要】
1.一种基于可穿戴设备的动作监测方法，其特征在于，包括：利用可穿戴设备上的运动传感器实时采集用户的运动数据；根据最长公共子序列算法对采集的运动数据进行动作区间检测，提取出动作区间；对提取出的动作区间对应的运动数据进行动作识别，得到识别结果。2.根据权利要求1所述的方法，其特征在于，该方法进一步包括：当识别结果指示异常或危险动作发生时，利用可穿戴设备上的报警器进行报警和/或通过与可穿戴设备连接的智能终端远程报警。3.根据权利要求1所述的方法，其特征在于，所述运动传感器包括三轴加速度传感器；该方法还包括在进行动作区间检测之前，训练动作区间模板，具体包括：针对预设的各动作类型，采集多组三轴加速度数据作为样本实例，采用K均值算法对所有动作类型的样本实例进行聚类分析，将样本实例中各加速度数据点用离它距离最近的聚类中心进行表示，得到各样本实例对应的样本字符串序列；其中，各聚类具有一个聚类中心并以字母来表示；计算同一个动作类型下，每个样本实例与其它样本实例之间的最长公共子序列的值，求最长公共子序列的值的和，将最大和值对应的样本实例作为该动作类型的动作区间模板。4.根据权利要求3所述的方法，其特征在于，所述根据最长公共子序列算法对采集的运动数据进行动作区间检测，提取出动作区间包括：对一次监测过程中采集的加速度数据，利用动作区间模板训练时的聚类中心将加速度数据量化并转换为对应的字符串序列；将该字符串序列以及对应的滤波后的加速度数据保存在缓存中；根据预设的动作类型，对该字符串序列截取时间至当前时间点为止，长度等于该动作类型的样本实例中最大长度的区间作为观察窗，计算该观察窗内序列与该类动作的动作区间模板之间的最长公共子序列的值；如果最长公共子序列的值大于该动作类型对应的判别阈值，则认为用户的动作与该类动作匹配，并根据所述最长公共子序列提取出动作区间的开始和结束时刻，得到动作区间检测结果；其中，所述判别阈值等于预设动作类型对应的动作区间模板与该类其它样本实例间的最长公共子序列的值中的最小值。5.根据权利要求4所述的方法，其特征在于，该方法还包括：当用户的动作与多类动作匹配时，选取最长公共子序列的值中的最大值对应的动作类型作为最终的动作区间检测结果。6.根据权利要求4所述的方法，其特征在于，对提取出的动作区间对应的运动数据进行动作识...

【专利技术属性】
技术研发人员：苏鹏程，张一凡，
申请(专利权)人：青岛真时科技有限公司，
类型：发明
国别省市：山东,37