基于路线及环境对游客体能及其消耗推算的方法及系统技术方案

本发明专利技术涉及旅游技术领域，具体涉及一种基于路线及环境对游客体能及其消耗推算的方法及系统，包括穿戴设备，用于人体活动数据采集和无线数据传输；基站服务器，用于接收来自传感器节点的人体活动信号，并且对接收到的运动信号进行数据处理和分析，最终实现对人体运动状态的准确评估。本发明专利技术以采集的游客的体能消耗为研究对象，综合考虑在游玩路线过程中，不同海拔高度、温度下人体不同动作的运动强度进行分类识别，再根据识别结果选取特定的回归预测模型，进而实现基于特定动作的卡路里消耗估计，可以在推算在路线中设立休息点，提升了用户使用体验，并可有效避免用户因游玩时体能过度消耗而损伤身体的情况，从而提高旅途的舒适性。性。性。

【技术实现步骤摘要】
基于路线及环境对游客体能及其消耗推算的方法及系统


[0001]本专利技术涉及旅游
，具体涉及一种基于路线及环境对游客体能及其消耗推算的方法及系统。

技术介绍

[0002]对于目前，一些便携的可穿戴设备，利用采集的运动能量信号与人体日常动作的相关性，基于动作识别和卡路里消耗估计识别人体活动。
[0003]然而，穿戴设备并未考虑游客在游玩过程中，由于游玩路线路程、海拔高度、温度的不同因素对游客的体能消耗的影响。
[0004]因此本文利用5G以及各类实时传感器采集游客实时数据，基于游玩路线路程、海拔高度、温度对游客的体能消耗进行推算。根据体能消耗算法，为景区提供景区优化服务，例如在路程中的哪些区域设立休息点等，提升对游客的服务。

技术实现思路

[0005]针对现有技术的不足，本专利技术公开了一种基于路线及环境对游客体能及其消耗推算的方法及系统，用于解决上述问题。
[0006]本专利技术通过以下技术方案予以实现：
[0007]第一方面，本专利技术提供了一种基于路线及环境对游客体能及其消耗推算的方法，包括以下步骤：
[0008]S1初始化，获取穿戴设备实时采集人体活动相关的数据信息并进行数据预处理；
[0009]S2采用时域分析对S1中人体活动信号提取特征向量，同时采用线性判决分析法进行特征降维；
[0010]S3采用决策树模型对加速度信号以及5G信号进行分层判决，提取均值和标准差进而识别对应的人体活动类型；
[0011]S4采用随机森林模型对人体活动类型和卡路里消耗进行预测估计，并对模型结果进行核验。
[0012]更进一步的，所述方法中，穿戴设备通过自供电的方式测量人体运动过程中的心率、呼吸频率以及加速度数据。
[0013]更进一步的，所述方法中，将输入信号分割为固定窗口大小，将运动信号分解为大小不同的活动窗口，每个活动窗口对应不同的人体动作，利用截止频率为0.1赫兹的三阶巴特沃兹高通滤波器滤除原始数据中的静态重力加速度。
[0014]更进一步的，所述方法中，通过0.1
‑
10赫兹的带通滤波和归一化的方法对人体运动数据进行预处理，进而规整采样信号的数据长度和数据大小。
[0015]更进一步的，所述方法中，特征提取采用时域分析，通过均值、标准差、最大值、最小值以及相关系数直接对原始人体活动信号提取特征向量。
[0016]更进一步的，所述方法中，将高维的多变量样本投影到最佳分类矢量空间，使得投
影后的特征样本达到类间距离最大和类内距离最小，进而实现特征降维。
[0017]更进一步的，所述方法中，采用决策树模型对人体手腕两个不同部位的加速度信号以及5G信号进行分层判决，提取均值和标准差特征，对人体日常的站立、步行、跑步和爬山四种不同动作进行分类识别。
[0018]第一方面，本专利技术提供了一种基于路线及环境对游客体能及其消耗推算的系统，所述系统用于实现第一方面所述的基于路线及环境对游客体能及其消耗推算的方法，包括
[0019]穿戴设备，用于人体活动数据采集和无线数据传输；
[0020]基站服务器，用于接收来自传感器节点的人体活动信号，并且对接收到的运动信号进行数据处理和分析，最终实现对人体运动状态的准确评估。
[0021]更进一步的，所述穿戴设备包括
[0022]微控制器模块，用于控制各个模块的读写时序和数据通信；
[0023]能量采集模块，用于采集人体运动过程中的电压输出信号；
[0024]加速度计模块，用于采集人体运动过程中的加速度信号；
[0025]按键控制模块，用于控制数据采集的开始和结束；
[0026]数据传输模块，用于无线传输人体活动数据。
[0027]更进一步的，所述穿戴设备选用ARMCortexM3微控制器、ADXL345数字加速度传感器、PPA1011压电式能量采集器和ESP8266WIFI通信设备；
[0028]其中，所述微控制器通过12位高精度模数转换器采集压电式悬臂梁PPA1011的电压输出信号，并通过数字接口获取三轴加速度计ADXL345数据寄存器中的加速度信号，经过相应处理后，利用数据传输协议通过ESP8266无线通信模块将人体活动数据发送给客户端服务器。
[0029]本专利技术的有益效果为：
[0030]本专利技术以采集的游客的体能消耗为研究对象，综合考虑在游玩路线过程中，不同海拔高度、温度下人体不同动作的运动强度进行分类识别，再根据识别结果选取特定的回归预测模型，进而实现基于特定动作的卡路里消耗估计，可以在推算在路线中设立休息点，提升了用户使用体验，并可有效避免用户因游玩时体能过度消耗而损伤身体的情况，从而提高旅途的舒适性。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1是本专利技术实施例人体活动评估系统流程图；
[0033]图2是本专利技术实施例人体活动数据采集装置框架图；
[0034]图3是本专利技术实施例硬件采集装置图；
[0035]图4是本专利技术实施例基于运动能量的卡路里消耗估计方法图；
[0036]图5是本专利技术实施例基于运动强度的回归预测模型图；
[0037]图6是本专利技术实施例不同回归预测方法的卡路里消耗曲线图。
具体实施方式
[0038]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0039]实施例1
[0040]本实施例提供了一种基于路线及环境对游客体能及其消耗推算的方法，包括以下步骤：
[0041]S1初始化，获取穿戴设备实时采集人体活动相关的数据信息并进行数据预处理；
[0042]S2采用时域分析对S1中人体活动信号提取特征向量，同时采用线性判决分析法进行特征降维；
[0043]S3采用决策树模型对加速度信号以及5G信号进行分层判决，提取均值和标准差进而识别对应的人体活动类型；
[0044]S4采用随机森林模型对人体活动类型和卡路里消耗进行预测估计，并对模型结果进行核验。
[0045]本实施例利用人体活动数据在时间上的相关性和周期性，对人体的不同动作进行分类识别和卡路里估计。
[0046]本实施例方法于人体运动能量的卡路里消耗估计方法CEE
‑
KEH，该方法利用人体运动产生的电压输出信号，首先对人体不同动作的运动强度进行分类识别，再根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于路线及环境对游客体能及其消耗推算的方法，其特征在于，包括以下步骤：S1初始化，获取穿戴设备实时采集人体活动相关的数据信息并进行数据预处理；S2采用时域分析对S1中人体活动信号提取特征向量，同时采用线性判决分析法进行特征降维；S3采用决策树模型对加速度信号以及5G信号进行分层判决，提取均值和标准差进而识别对应的人体活动类型；S4采用随机森林模型对人体活动类型和卡路里消耗进行预测估计，并对模型结果进行核验。2.根据权利要求1所述的一种基于路线及环境对游客体能及其消耗推算的方法，其特征在于，所述方法中，穿戴设备通过自供电的方式测量人体运动过程中的心率、呼吸频率以及加速度数据。3.根据权利要求1所述的一种基于路线及环境对游客体能及其消耗推算的方法，其特征在于，所述方法中，将输入信号分割为固定窗口大小，将运动信号分解为大小不同的活动窗口，每个活动窗口对应不同的人体动作，利用截止频率为0.1赫兹的三阶巴特沃兹高通滤波器滤除原始数据中的静态重力加速度。4.根据权利要求3所述的一种基于路线及环境对游客体能及其消耗推算的方法，其特征在于，所述方法中，通过0.1
‑
10赫兹的带通滤波和归一化的方法对人体运动数据进行预处理，进而规整采样信号的数据长度和数据大小。5.根据权利要求1所述的一种基于路线及环境对游客体能及其消耗推算的方法，其特征在于，所述方法中，特征提取采用时域分析，通过均值、标准差、最大值、最小值以及相关系数直接对原始人体活动信号提取特征向量。6.根据权利要求1所述的一种基于路线及环境对游客体能及其消耗推算的方法，其特征在于，所述方法中，将高维的多变量样本投影到最佳分类矢量空间，使得投影后的特征样本达到类间距离最大和类内距离...

【专利技术属性】
技术研发人员：付萍，陈海江，
申请(专利权)人：浙江力石科技股份有限公司，
类型：发明
国别省市：