一种运动姿态识别方法、装置、可穿戴设备及存储介质制造方法及图纸

本发明专利技术涉及姿态识别技术领域，公开了一种运动姿态识别方法、装置、可穿戴设备及存储介质，即在可穿戴设备获取到由加速度传感器实时采集的加速度信号后，可先通过信号分段处理得到当前加速度序列，然后以DTW相似距离作为距离度量方式，进行所述当前加速度序列与各个已知运动姿态类型的加速度序列模板的模板匹配，最后基于模板匹配结果找到与最短的DTW相似距离对应的已知运动姿态类型，并将该已知运动姿态类型确定为当前运动姿态，从而仅需在可穿戴设备中部署动态时间规整DTW算法和各个已知运动姿态类型的加速度序列模板，大大降低对计算资源和存储资源的需求，进而使得可穿戴设备能够及时识别出佩戴者的骑车、跑步、步行或其它等动作，提升实时性。提升实时性。提升实时性。

【技术实现步骤摘要】
一种运动姿态识别方法、装置、可穿戴设备及存储介质


[0001]本专利技术属于姿态识别
，具体地涉及一种运动姿态识别方法、装置、可穿戴设备及存储介质。

技术介绍

[0002]基于可穿戴设备的运动姿态识别是通过将设备(例如腕表)佩戴在人体的相关位置(常见的有手臂、腰间和腿部等)，读取设备中传感器的数据，提取各种运动姿态特征，识别出不同的人体姿态。近些年来，由于传感器的快速发展和普及，使得可穿戴设备上的姿态识别研究成为现流行的热门课题。
[0003]基于可穿戴设备的运动姿态识别算法包括有基于阈值的逻辑判别方法和统计模式识别方法等，其中，前者是对不同类型的统计量进行逻辑判断，并加入周期性判断等条件，是最基础的姿态识别算法，而后者与前者相比，具有更高的识别精度，因为该方法是将提取的各种运动姿态特征放入机器学习模型，识别出不同的人体姿态。常用的统计模式识别方法有：基于决策树(Decision Trees)、朴素贝叶斯(Bayes)、K近邻(K Nearest Neightbors)以及支持向量机(Support Vector Machine,SVM)等的统计识别方式。
[0004]目前，基于可穿戴设备的运动姿态识别算法通常是基于机器学习模型的统计模式识别方法，此类方法通常将机器学习模型部署于手机APP(应用程序，Application的缩写)中或者云端，然后由可穿戴设备将采集的加速度数据传输至手机或云端进行运动姿态识别分析。由于采集的加速度信号数据量较大，且识别算法具有实时性要求，因此迫切需要将运动姿态识别算法部署于可穿戴设备中，但是现有可穿戴设备的计算资源和存储资源都有限，难以部署机器学习模型，如何在计算资源及存储资源受限的可穿戴设备中实现运动姿态识别，是本领域技术人员亟需研究的课题。

技术实现思路

[0005]为了解决现有运动姿态识别算法难以部署到计算资源及存储资源受限的可穿戴设备中，导致识别结果实时性低的问题，本专利技术目的在于提供一种运动姿态识别方法、装置、可穿戴设备及计算机可读存储介质，可仅需在可穿戴设备中部署动态时间规整DTW算法和各个已知运动姿态类型的加速度序列模板，大大降低对计算资源和存储资源的需求，进而使得可穿戴设备能够根据实时采集的加速度信号，及时识别出佩戴者的骑车、跑步、步行或其它等动作，提升实时性，利于记录或处理相关的运动数据。
[0006]第一方面，本专利技术提供了一种运动姿态识别方法，应用于可穿戴设备，包括：
[0007]获取由加速度传感器实时采集的第一加速度信号，其中，所述第一加速度信号在时域中以数据流的形式呈现；
[0008]针对所述第一加速度信号，通过信号分段处理得到当前加速度序列；
[0009]针对存储在模板库中的各个加速度序列模板，采用动态时间规整DTW算法计算得到对应的且与所述当前加速度序列的动态时间规整DTW相似距离，其中，所述加速度序列模
板与已知运动姿态类型具有对应关系；
[0010]在计算得到的所有DTW相似距离中，确定出最短的DTW相似距离；
[0011]根据所述最短的DTW相似距离，找到对应的已知运动姿态类型，并将该已知运动姿态类型确定为当前运动姿态。
[0012]基于上述
技术实现思路
，提供了一种适合部署在可穿戴设备中的运动姿态识别方案，即在可穿戴设备获取到由加速度传感器实时采集的加速度信号后，可先通过信号分段处理得到当前加速度序列，然后以DTW相似距离作为距离度量方式，进行所述当前加速度序列与各个已知运动姿态类型的加速度序列模板的模板匹配，最后基于模板匹配结果找到与最短的DTW相似距离对应的已知运动姿态类型，并将该已知运动姿态类型确定为当前运动姿态，从而仅需在可穿戴设备中部署动态时间规整DTW算法和各个已知运动姿态类型的加速度序列模板，大大降低对计算资源和存储资源的需求，进而使得可穿戴设备能够根据实时采集的加速度信号，及时识别出佩戴者的骑车、跑步、步行或其它等动作，提升实时性，利于记录或处理相关的运动数据。此外，所述识别方法不需要训练大量样本，识别精度可优于基于阈值的逻辑判别方法，并且在需要识别新的运动姿态类型时，只需要添加该类型的对应加速度序列模板即可，可扩展性强，便于实际应用和推广。
[0013]在一个可能的设计中，当所述第一加速度信号为三轴加速度信号时，针对所述第一加速度信号，通过信号分段处理得到当前加速度序列，包括：
[0014]采用时间窗口滑动方式对所述三轴加速度信号进行信号分割，在处于最新滑动位置的时间窗口中获取一段完整的三轴加速度分段信号；
[0015]针对所述三轴加速度分段信号，在各个采样点上进行三轴加速度合成计算处理，并将在所述各个采样点上的合成加速度作为当前加速度序列。
[0016]在一个可能的设计中，所述时间窗口的时长介于2～3秒之间，所述时间窗口的滑动步长与所述时长的比值介于1/3～2/3之间。
[0017]在一个可能的设计中，在针对存储在模板库中的各个加速度序列模板，采用动态时间规整DTW算法计算得到对应的且与所述当前加速度序列的动态时间规整DTW相似距离之前，所述方法还包括：
[0018]针对某个已知运动姿态类型，获取由所述加速度传感器在对应运动过程中采集的第二加速度信号，其中，所述第二加速度信号在时域中以数据流的形式呈现；
[0019]根据所述第二加速度信号，通过信号分段处理得到多段加速度序列；
[0020]对所述多段加速度序列进行以DTW相似距离为距离度量方式的且簇数为N的聚类分析，得到N簇的聚类结果，其中，N为大于2的自然数；
[0021]针对所述N簇中的各簇，根据对应的聚类结果计算对应的聚类中心，并将对应的计算结果作为与所述某个已知运动姿态类型对应的一个加速度序列模板存入所述模板库中。
[0022]在一个可能的设计中，针对所述N簇中的各簇，根据对应的聚类结果计算对应的聚类中心，包括：针对所述N簇中的各簇，采用动态时间规整重心平均DBA算法计算对应聚类结果的平均序列，得到对应的聚类中心。
[0023]在一个可能的设计中，根据所述最短的DTW相似距离，找到对应的已知运动姿态类型，并将该已知运动姿态类型确定为当前运动姿态，包括：
[0024]判断所述最短的DTW相似距离是否大于预设的距离阈值；
[0025]若是，则确定当前运动姿态为其它运动姿态类型，否则找到与所述最短的DTW相似距离对应的已知运动姿态类型，并将该已知运动姿态类型确定为当前运动姿态，其中，所述其它运动姿态类型是指在所述模板库中没有对应加速度序列模板的非已知运行姿态类型。
[0026]在一个可能的设计中，根据所述最短的DTW相似距离，找到对应的已知运动姿态类型，并将该已知运动姿态类型确定为当前运动姿态，包括：
[0027]找到与所述最短的DTW相似距离对应的已知运动姿态类型，并判断所述最短的DTW相似距离是否大于预设的且该已知运动姿态类型的距离阈值，若否，则将该已知运动姿态类型确定为当前运动姿态。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动姿态识别方法，其特征在于，应用于可穿戴设备，包括：获取由加速度传感器实时采集的第一加速度信号，其中，所述第一加速度信号在时域中以数据流的形式呈现；针对所述第一加速度信号，通过信号分段处理得到当前加速度序列；针对存储在模板库中的各个加速度序列模板，采用动态时间规整DTW算法计算得到对应的且与所述当前加速度序列的动态时间规整DTW相似距离，其中，所述加速度序列模板与已知运动姿态类型具有对应关系；在计算得到的所有DTW相似距离中，确定出最短的DTW相似距离；根据所述最短的DTW相似距离，找到对应的已知运动姿态类型，并将该已知运动姿态类型确定为当前运动姿态。2.如权利要求1所述的运动姿态识别方法，其特征在于，当所述第一加速度信号为三轴加速度信号时，针对所述第一加速度信号，通过信号分段处理得到当前加速度序列，包括：采用时间窗口滑动方式对所述三轴加速度信号进行信号分割，在处于最新滑动位置的时间窗口中获取一段完整的三轴加速度分段信号；针对所述三轴加速度分段信号，在各个采样点上进行三轴加速度合成计算处理，并将在所述各个采样点上的合成加速度作为当前加速度序列。3.如权利要求2所述的运动姿态识别方法，其特征在于，所述时间窗口的时长介于2～3秒之间，所述时间窗口的滑动步长与所述时长的比值介于1/3～2/3之间。4.如权利要求1所述的运动姿态识别方法，其特征在于，在针对存储在模板库中的各个加速度序列模板，采用动态时间规整DTW算法计算得到对应的且与所述当前加速度序列的动态时间规整DTW相似距离之前，所述方法还包括：针对某个已知运动姿态类型，获取由所述加速度传感器在对应运动过程中采集的第二加速度信号，其中，所述第二加速度信号在时域中以数据流的形式呈现；根据所述第二加速度信号，通过信号分段处理得到多段加速度序列；对所述多段加速度序列进行以DTW相似距离为距离度量方式的且簇数为N的聚类分析，得到N簇的聚类结果，其中，N为大于2的自然数；针对所述N簇中的各簇，根据对应的聚类结果计算对应的聚类中心，并将对应的计算结果作为与所述某个已知运动姿态类型对应的一个加速度序列模板存入所述模板库中。5.如权利要求4所述的运动姿态识别方法，其特征在于，针对所述N簇中的各簇，根据对应的聚类结果计算对应的聚类中心，包括：针对所述N簇中的各簇，采用动态时间规整重心平均DBA算法计算对应聚类结果的平均序列...

【专利技术属性】
技术研发人员：王春丽，孔庆达，张林坤，杨志远，
申请(专利权)人：成都天奥电子股份有限公司，
类型：发明
国别省市：