一种基于多加速度传感器的瑜伽动作识别方法技术

本发明专利技术公开了一种基于多加速度传感器的瑜伽动作识别方法，步骤包括：通过设置在瑜伽运动者身上的加速度计采集加速度计的X、Y、Z三个方向的加速度数据；加速度数据发送至微处理器，微处理器将加速度数据打包通过无线传输技术发送至客户端；客户端收到数据后对数据进行对齐处理，将对齐后的所有数据排成样本数据矩阵，然后对样本数据矩阵进行预处理，提取表征动作的样本特征矩阵；将输入的样本特征矩阵与存储在数据库中动作标准特征矩阵进行匹配，实现瑜伽动作的识别。本发明专利技术采集三维加速度数据，构建标准特征序列，来进行动作的识别分析，参数可靠，简单可行，计算复杂度低，对相关硬件的要求较低，实现成本低。

【技术实现步骤摘要】
一种基于多加速度传感器的瑜伽动作识别方法
本专利技术涉及人体动作识别领域，更具体地，涉及一种基于多加速度传感器的瑜伽动作识别方法。
技术介绍
全民健身的时代已经来临，人们对自己的身心健康愈加关注，瑜伽动作运用古老而易于掌握的技巧，改善人们生理、心理、情感和精神方面的能力，是一种达到身体、心灵与精神和谐统一的运动方式，因此瑜伽受到越来越多人的青睐。但是，人们的生活节奏非常快，通常没有足够的时间找专业的瑜伽老师对瑜伽等技术性运动进行系统地学习，人们急需通过手机等智能设备进行学习。因此，在普通智能手机上开发出相关的动作识别及矫正系统是非常有必要的。目前主流的基于视觉传感器的动作识别方法主要分为以下几类：第一类，基于时空特征的模式分析方法，这类方法计算复杂度低、实现简单，但是对于噪声和运动时间间隔的变换比较敏感，不同主体的瑜伽动作速度和幅度都可能不同，因此难以利用时空特征对瑜伽动作进行识别。第二类，基于2D或3D模型的方法，这类方法准确度高，但是计算量大，对设备要求高，需要价格昂贵的硬件支持，而且实时性能很差，不能满足瑜伽爱好者实时了解自身动作是否规范的需求。第三类，基于图像统计处理的方法，通常由于图像的数据量巨大导致计算量也相当大，一般的手机终端不具备大数据处理这种的硬件条件。经过上千年的发展，现代瑜伽的理论已经发展地非常成熟。因为现代瑜伽具有动作姿态固定，动作速度平缓，动作停顿时间节点较多等特点，所以采用多个加速度传感器进行瑜伽动作的数据采集，可以获得可靠性高，实时性强的数据样本。另一方面，采用多个加速度传感器进行瑜伽动作的数据采集，并通过蓝牙等无线装置发送给手机终端进行数据分析并识别动作，便可以解决传统动作识别方法中计算复杂度高、实现成本大和数据实时处理能力差等问题。
技术实现思路
本专利技术的首要目的是提供一种基于多加速度传感器的瑜伽动作识别方法，解决传统动作识别方法中计算复杂度高、实现成本大和数据实时处理能力差的问题，本专利技术的技术方案如下：一种基于多加速度传感器的瑜伽动作识别方法，所述方法包括如下步骤：S1：首先在瑜伽运动者的双手手腕、双脚脚腕、胸前、额头佩戴内置加速度计的微型处理器的手环、脚环、胸带、头带，采集加速度计的X、Y、Z三个方向的加速度数据；S2：瑜伽运动者运动时，加速度计感知运动者的加速度变化采集加速度数据发送至微处理器，微处理器将加速度数据打包通过无线传输技术发送至客户端；S3：客户端收到来自不同的加速度计采集的数据，利用同步技术对数据进行对齐，将对齐后的所有数据排成样本数据矩阵，然后对样本数据矩阵进行预处理，提取表征动作的样本特征矩阵；S4：手机客户端后台将样本特征矩阵与存储在数据库中动作标准特征矩阵进行匹配，实现瑜伽动作的识别；所述样本数据矩阵的计算过程如下：采集m个加速度传感器的X-Y-Z三个方向的数据，把方向记为k，k∈{x,y,z}，每一个传感器的数据进行时间同步后，用三个向量分别表示三个不同方向的数据，把这三个向量都统称为单向数据向量V，把第i个传感器中k方向的单向数据向量记为Vik，则矩阵Di＝(Vix，Viy，Viz)(i∈[1，m])可以表示第i个传感器中三个方向的数据，把所有矩阵Di都统称为三向数据矩阵D，m个传感器总共形成的m个三向数据矩阵，把所有的三向数据矩阵组合起来，记为矩阵S＝(D1，…，Dm)，矩阵S称为样本数据矩阵，样本数据矩阵S代表了一个瑜伽者动作的所有加速度数据；所述样本特征矩阵的计算过程如下：把第i个传感器中k方向的单向数据向量Vik进行处理和特征提取后，得到的向量记为Wik，并统称为单向特征向量W。三向特征矩阵E由单向特征向量W组成,第i个传感器的三向特征矩阵Ei＝(Wix，Wiy，Wiz)(i∈[1，m])，把m个三向特征矩阵全部组合起来，形成样本特征矩阵T＝(E1，…，Em)，样本特征矩阵T代表了瑜伽运动者动作的所有加速度特征。进一步地，所述的标准特征矩阵T*计算过程如下：1.采集一个固定瑜伽动作s*t个样本数据矩阵S，样本数据矩阵S包含有3m个单向数据向量，对单向数据向量进行特征提取，将单向数据向量V变成单向特征向量W，步骤如下：1.1进行单向数据向量V滤波去噪、数据分组、数据补零填充处理以及数据拟合处理；1.2获取初始单向特征向量V；1.3对初始单向特征向量V消冗处理，去掉冗余数据；2.使用步骤1.1-1.3方法将样本数据矩阵S的3m个单向数据向量化为3m个单向特征向量，3m个单向特征向量组成样本特征矩阵T，定义获取第i个传感器第k方向的标准单向特征向量Wik*，以及获取用户单向数据向量转化成单向特征向量时，使用的最佳阈值Fik*、最佳窗口长度Nik*的具体方法；具体步骤如下：2.1从样本数据矩阵S中取出第i个传感器中k方向的单向数据向量Vik，共取出s*t个单向数据向量，代表不同样本中同一个传感器同一个方向的单向数据矩阵；把第j个样本数据矩阵Sj中第i个传感器k方向的单向数据向量记为Vjik，则所有s*t个Vik组成的选优矩阵Uik＝(V1ik，V2ik，…，V(s*t)ik)；然后将选优Uik中的Vjik向量依次代入上面对瑜伽教练的单向数据向量V提取特征的步骤，每次Vjik向量代入都使用相同的相同窗口长度N和阈值F，最终获得s*t个关于i传感器k方向的特征序列向量{W1ik，W2ik，…，W(s*t)ik}；2.2在当前的窗口长度N和阈值F下，统计上一步获得的所有特征序列向量{W1ik，W2ik，…，W(s*t)ik}中相同的个数，记为C；2.3改变窗口长度N和阈值F，重复步骤2)～步骤3)，直到第n次结束；比较每一次迭代中C的大小。若第p次迭代C值最大，则将第p次的阈值F、窗口长度N和特征序列向量分别作为第i个传感器k方向的最佳阈值Fik*、最佳窗口长度Nik*及标准单向特征向量Wik*，存入数据库；3.一个固定的瑜伽动作通过步骤2.3可以得到其第i个传感器k方向的标准单向特征向量Wik*，以及第i个传感器k方向的单向数据向量Vik要转换成单向特征向量Wik时对应的最佳阈值Fik*及最佳窗口长度Nik*的大小，标准特征矩阵T*由3m个标准单向特征向量W*组成；因此，通过重复上面的2.1-2.3三个步骤，就可以获取所有的3m个最佳阈值Fik*、最佳窗口长度Nik*及标准特征序列Wik*，将最佳阈值Fik*、最佳窗口长度Nik*及标准特征序列Wik*组合到一起，便得到最终最佳阈值向量F*、最佳窗口长度向量N*及标准特征矩阵T*。进一步地，步骤1.1所述滤波去噪、数据分组、数据补零填充处理以及数据拟合处理步骤包括：初始化窗口长度N，将滤波以后的单向数据向量V划分成若干组长度为N的数据，若数据长度不是N的整数倍，则通过补零进行处理；初始化一个阈值F，取出每一组数据中的最大值和最小值，求二者的差值，若二者的差值大于事先设定好的阈值F，则用第一点和最后一点的连线来对原曲线进行拟合，若小于阈值F，则将组内所有的数据点都设置为第一点的值；步骤1.2所述获取初始单向特征向量V，步骤包括：计算处理后的每组数据中最后一点和第一点的差值为m，若m>0，则代表该组数据呈上升趋势，该特征值用1表示，若m＝0，则代表该组数据基本保持不变，该特征值用0表本文档来自技高网...

【技术保护点】
1.一种基于多加速度传感器的瑜伽动作识别方法，其特征在于，所述方法包括如下步骤：S1：首先在瑜伽运动者的双手手腕、双脚脚腕、胸前、额头佩戴内置加速度计的微型处理器的手环、脚环、胸带、头带，采集加速度计的X、Y、Z三个方向的加速度数据；S2：瑜伽运动者运动时，加速度计感知运动者的加速度变化采集加速度数据发送至微处理器，微处理器将加速度数据打包通过无线传输技术发送至客户端；S3：客户端收到来自不同的加速度计采集的数据，利用同步技术对数据进行对齐，将对齐后的所有数据排成样本数据矩阵，然后对样本数据矩阵进行预处理，提取表征动作的样本特征矩阵；S4：手机客户端后台将样本特征矩阵与存储在数据库中动作标准特征矩阵进行匹配，实现瑜伽动作的识别；所述样本数据矩阵的计算过程如下：采集m个加速度传感器的X‑Y‑Z三个方向的数据，把方向记为k，k∈{x,y,z}，每一个传感器的数据进行时间同步后，用三个向量分别表示三个不同方向的数据，把这三个向量都统称为单向数据向量V，把第i个传感器中k方向的单向数据向量记为Vik，则矩阵Di＝(Vix，Viy，Viz)(i∈[1，m])可以表示第i个传感器中三个方向的数据，把所有矩阵Di都统称为三向数据矩阵D，m个传感器总共形成的m个三向数据矩阵，把所有的三向数据矩阵组合起来，记为矩阵S＝(D1，…，Dm)，矩阵S称为样本数据矩阵，样本数据矩阵S代表了一个瑜伽者动作的所有加速度数据；所述样本特征矩阵的计算过程如下：把第i个传感器中k方向的单向数据向量Vik进行处理和特征提取后，得到的向量记为Wik，并统称为单向特征向量W；三向特征矩阵E由单向特征向量W组成,第i个传感器的三向特征矩阵Ei＝(Wix，Wiy，Wiz)(i∈[1，m])，把m个三向特征矩阵全部组合起来，形成样本特征矩阵T＝(E1，…，Em)，样本特征矩阵T代表了瑜伽运动者动作的所有加速度特征。...

【技术特征摘要】
1.一种基于多加速度传感器的瑜伽动作识别方法，其特征在于，所述方法包括如下步骤：S1：首先在瑜伽运动者的双手手腕、双脚脚腕、胸前、额头佩戴内置加速度计的微型处理器的手环、脚环、胸带、头带，采集加速度计的X、Y、Z三个方向的加速度数据；S2：瑜伽运动者运动时，加速度计感知运动者的加速度变化采集加速度数据发送至微处理器，微处理器将加速度数据打包通过无线传输技术发送至客户端；S3：客户端收到来自不同的加速度计采集的数据，利用同步技术对数据进行对齐，将对齐后的所有数据排成样本数据矩阵，然后对样本数据矩阵进行预处理，提取表征动作的样本特征矩阵；S4：手机客户端后台将样本特征矩阵与存储在数据库中动作标准特征矩阵进行匹配，实现瑜伽动作的识别；所述样本数据矩阵的计算过程如下：采集m个加速度传感器的X-Y-Z三个方向的数据，把方向记为k，k∈{x,y,z}，每一个传感器的数据进行时间同步后，用三个向量分别表示三个不同方向的数据，把这三个向量都统称为单向数据向量V，把第i个传感器中k方向的单向数据向量记为Vik，则矩阵Di＝(Vix，Viy，Viz)(i∈[1，m])可以表示第i个传感器中三个方向的数据，把所有矩阵Di都统称为三向数据矩阵D，m个传感器总共形成的m个三向数据矩阵，把所有的三向数据矩阵组合起来，记为矩阵S＝(D1，…，Dm)，矩阵S称为样本数据矩阵，样本数据矩阵S代表了一个瑜伽者动作的所有加速度数据；所述样本特征矩阵的计算过程如下：把第i个传感器中k方向的单向数据向量Vik进行处理和特征提取后，得到的向量记为Wik，并统称为单向特征向量W；三向特征矩阵E由单向特征向量W组成,第i个传感器的三向特征矩阵Ei＝(Wix，Wiy，Wiz)(i∈[1，m])，把m个三向特征矩阵全部组合起来，形成样本特征矩阵T＝(E1，…，Em)，样本特征矩阵T代表了瑜伽运动者动作的所有加速度特征。2.根据权利要1所述的一种基于多加速度传感器的瑜伽动作识别方法，其特征在于，所述的标准特征矩阵T*计算过程如下：1.采集一个固定瑜伽动作s*t个样本数据矩阵S，样本数据矩阵S包含有3m个单向数据向量，对单向数据向量进行特征提取，将单向数据向量V变成单向特征向量W，步骤如下：1.1进行单向数据向量V滤波去噪、数据分组、数据补零填充处理以及数据拟合处理；1.2获取初始单向特征向量V；1.3对初始单向特征向量V消冗处理，去掉冗余数据；2.使用步骤1.1-1.3方法将样本数据矩阵S的3m个单向数据向量化为3m个单向特征向量，3m个单向特征向量组成样本特征矩阵T，定义获取第i个传感器第k方向的标准单向特征向量Wik*，以及获取用户单向数据向量转化成单向特征向量时，使用的最佳阈值Fik*、最佳窗口长度Nik*的具体方法；具体步骤如下：2.1从样本数据矩阵S中取出第i个传感器中k方向的单向数据向量Vik，共取出s*t个单向数据向量，代表不同样本中同一个传感器同一个方向的单向数据矩阵；把第j个样本数据矩阵Sj中第i个传感器k方向的单向数据向量记为Vjik，则所有s*t个Vik组成的选优矩阵Uik＝(V1ik，...

【专利技术属性】
技术研发人员：黄晓，林嘉良，保延翔，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44