基于UWB的人体动作捕获与识别方法技术

本发明专利技术涉及一种UWB的应用，特别涉及基于UWB的人体动作捕获与识别方法，包括定位标签、定位基站、POE交换机、定位服务器以及以太网络；通过司方系统，采集到标签的原始数据，使用CSV文本文件的格式保存，可以在Excel或记事本中直接打开，每行一个数据，原始数据保存了基站收到原始数据，包括同步包和定位包；位置解算需要对信息采集模块得到的原始数据进行滤波，然后采用TDOA算法解算滤波后的数据，再经过解算TDOA数据得到二维坐标数据，本发明专利技术使用的工业化的司方定位系统采用UWB超宽带的方式进行定位，实现了实时查看人员位置、移动轨迹、对人员轨迹的追踪、人员动作的识别等功能，具有较高的推广前景。有较高的推广前景。有较高的推广前景。

【技术实现步骤摘要】
基于UWB的人体动作捕获与识别方法


[0001]本专利技术涉及一种UWB的应用，特别涉及基于UWB的人体动作捕获与识别方法。

技术介绍

[0002]人体动作捕获与识别技术广泛应用于影视动画制作、人机交互、虚拟现实、体育训练、医疗康复等交叉性学科领域。目前，基于视频的人体动作识别方式受到光照等环境因素的影响，不能提供全面实时地监控，并且采用视频捕获设备的方式容易侵犯个人隐私。基于超宽带传感器的识别方式能够很好地解决这些问题，UWB传感器采集的是定位数据而不是视频文件，通常坐标数据处理对计算机资源的需求远小于视频文件，这大大减小了计算机内存的占用。因此，本文研究了基于UWB的人体捕获与识别方法。
[0003]基于穿戴设备的动作识别方法具有较强的抗干扰能力，受环境的影响较小，因此被大量地研究。在此方法中，将设备分布穿戴到人体的各个部位，采集相关的数据，根据识别动作种类的差异，进而采用不同的特征和分类模型。
[0004]UWB定位技术相关研究主要集中在定位场景和定位精度两个方面。在定位场景方面，通过结合不同的实际应用环境，研究UWB定位的应用方法；在定位精度案方面，通过研究定位算法来进一步提高定位精度，以实现更多的定位要求。
[0005]基于UWB的人体动作捕获与识别技术可广泛运用到实际中，如养老院的人员管理及异常报警、康复中心的运动监测、体操运动员的姿势矫正、隧道施工人员的管理等方面。在养老院的人员管理方面，可以通过该系统实时监测老人的行为状态，当老人出现摔倒、突发疾病昏迷等情况时，可以发出异常动作报警，帮助管理人员及时发现问题并采取措施，这将大大减轻管理人员和护工的工作强度，同时也提高了养老院的安全性；在康复中心的运动监测方面，通过人体动作捕获与识别技术，可以实时监测和回放康复人员的运动状态，为医生了解康复程度及康复动作的矫正提供了参考依据。在体育方面，通过该技术可以实时回放运动员的动作，以便于教练更好的指导和纠正运动员的动作，以达到最佳状态。
[0006]但基于司方定位数据采集平台获取定位数据，运用TDOA位置解算方法定位，并通过卡尔曼滤波和K均值聚类等数据处理方法，实现了水平定位精度小于30cm。进一步处理定位数据，提取动作特征，建立人体动作数据模型，将测得的数据处理之后与建立的模型做对比，实现基于UWB的人体动作捕获与识别方法的可行性是一个有待解决的技术问题。

技术实现思路

[0007]针对
技术介绍
中提到的问题，本专利技术的目的是提供一种基于UWB的人体动作捕获与识别方法。
[0008]本专利技术的上述技术目的是通过以下技术方案得以实现的：一种基于UWB的人体动作捕获与识别方法,包括定位标签、定位基站、POE交换机、定位服务器以及以太网络；
[0009]通过司方系统，采集到标签的原始数据，使用CSV文本文件的格式保存，可以在Excel或记事本中直接打开，每行一个数据，原始数据保存了基站收到原始数据，包括同步
包和定位包；
[0010]定位包内容包括：时间,$TAG,网络ID,基站ID,标签ID,基站接收到的TICK,序号,电池电压(电压*10),保留,保留,保留,标签版本号,发送总包数,信号质量fp,信号质量rx；
[0011]同步包的内容：时间，$SYNC，网络ID，序号，本基站ID，来源主基站ID，主基站发送TICK，从基站接收TICK，保留，信号质量fp，信号质量rx；
[0012]在进行定位时，流程如下：
[0013](2)下发系统运行必要信息；
[0014](2)集成主控与参考标签，主控同步参考标签与标签时钟，下发系统信息：参考标签发送本机时间至传感器；
[0015](3)标签发送本机时间到从传感器；
[0016](4)从传感器判断同步时间，解算时间与相位差，收集TDOA数据包，并将数据包上传到路由器；
[0017](5)路由器上传TDOA数据包到上机位并解算，由物联定位引擎软件进行显示；
[0018]位置解算需要对信息采集模块得到的原始数据进行滤波，然后采用TDOA算法解算滤波后的数据，再经过解算TDOA数据得到二维坐标数据，定位的流程如下：
[0019](1)先将采集到的raw数据包进行滤波处理；
[0020](2)运用TDOA算法处理滤波后的数据包，得到TDOA数据包；
[0021](3)解算TDOA数据得到二维空间坐标的loc数据。
[0022]作为优选，采用K均值聚类算法和卡尔曼滤波对误差进行校正，校正过程如下：
[0023](1)采集5分钟以上的定位数据；
[0024](2)将所得数据经K均值聚类和卡尔曼滤波处理，得到测量坐标；
[0025](3)将处理后的测量坐标与实际坐标作对比，通过公式求得误差值；
[0026](4)重复上述过程数次，对比误差值的变化。
[0027]算法流程：
[0028][0029](1)预先将数据划分为K组，随机选取K个对象作为初始聚类中心；
[0030](2)计算每个对象与每个种子簇中心之间的距离，并将每个对象指定给离其最近的簇中心；
[0031](3)求各个类的样本的均值，作为新的聚类中心；
[0032](4)若聚类中心不再改变或者达到了迭代的次数，那么算法结束，否则就要回到第二步。
[0033]作为优选，采用卡尔曼滤波器进行滤波处理，分为预测和修正两个阶段；在预测阶段，利用状态方程对状系统状态进行预测估计；在修正阶段，利用测量值对状态预测值进行修正。
[0034]作为优选，还包括对摆臂行走、不摆臂行走、原地摆臂和跑步动作进行了捕获与识别，具体包括如下流程：
[0035](1)首先，将捕获对象与定位标签绑定，默认标签位置即捕获对象的位置；
[0036](2)其次，通过司方定位系统采集定位标签的数据，系统自带的解算软件运用TDOA
算法将数据进行了位置解算；
[0037](3)其次，将采集到的数据进行预处理，包括滤波、聚类；
[0038](4)其次，提取处理后定位数据的特征，包括位置、运动轨迹、速度；
[0039](5)对提取的特征进行分析，建立人体动作模型数据库；
[0040](6)将处理后的实验数据与已建立的动作模型数据库进行对比，实现动作的识别；
[0041](7)分类的结果验证动作识别的准确性。
[0042]综上所述，本专利技术主要具有以下有益效果：本专利技术的基于UWB的人体动作捕获与识别方法使用的工业化的司方定位系统采用UWB超宽带的方式进行定位，实现了实时查看人员位置、移动轨迹、对人员轨迹的追踪、人员动作的识别等功能，具有较高的推广前景。
附图说明
[0043]图1是本专利技术的TDOA定位模型图；
[0044]图2是本专利技术的定位系统结构和流程图；
[0045]图3是本专利技术的位置解算流程图；
[0046]图4是本专利技术的人体动作捕获与识别流本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于UWB的人体动作捕获与识别方法,其特征在于，包括定位标签、定位基站、POE交换机、定位服务器以及以太网络；通过司方系统，采集到标签的原始数据，使用CSV文本文件的格式保存，可以在Excel或记事本中直接打开，每行一个数据，原始数据保存了基站收到原始数据，包括同步包和定位包；定位包内容包括：时间,$TAG,网络ID,基站ID,标签ID,基站接收到的TICK,序号,电池电压(电压*10),保留,保留,保留,标签版本号,发送总包数,信号质量fp,信号质量rx；同步包的内容：时间，$SYNC，网络ID，序号，本基站ID，来源主基站ID，主基站发送TICK，从基站接收TICK，保留，信号质量fp，信号质量rx；在进行定位时，流程如下：(1)下发系统运行必要信息；(2)集成主控与参考标签，主控同步参考标签与标签时钟，下发系统信息：参考标签发送本机时间至传感器；(3)标签发送本机时间到从传感器；(4)从传感器判断同步时间，解算时间与相位差，收集TDOA数据包，并将数据包上传到路由器；(5)路由器上传TDOA数据包到上机位并解算，由物联定位引擎软件进行显示；位置解算需要对信息采集模块得到的原始数据进行滤波，然后采用TDOA算法解算滤波后的数据，再经过解算TDOA数据得到二维坐标数据，定位的流程如下：(1)先将采集到的raw数据包进行滤波处理；(2)运用TDOA算法处理滤波后的数据包，得到TDOA数据包；(3)解算TDOA数据得到二维空间坐标的loc数据。2.如权利要求1所述的基于UWB的人体动作捕获与识别方法,其特征在于，采用K均值聚类算法和卡尔...

【专利技术属性】
技术研发人员：史永，储兆玲，仲崇锦，瞿燕，蔡婷婷，袁登晨，
申请(专利权)人：常州工学院，
类型：发明
国别省市：