运动分级算法系统技术方案

本发明专利技术提供运动分级算法系统，涉及运动步频测算技术领域，包括算法分析系统和数据整理系统，对三轴加速度信号进行降采样，且降采样率为100Hz，为将加速度的模并减去加速度的均值计算得出，对波峰进行计算、筛选整理后进行建模处理，采用对三轴加速度信号进行采样后降频至100Hz后进行人实际跑步最高步频的测算，通过降频后进行信号取模并去平均值处理、波峰检测和波峰筛选后对波峰数量进行统计，统计出的数据用于机选MET值，通过设定MET值为固定数值后测算男性和女性的建模图像分析，便于对运动过程中人员的频率进行分级算法处理，提高对运动过程中步频计算的精准度。运动过程中步频计算的精准度。运动过程中步频计算的精准度。

【技术实现步骤摘要】
运动分级算法系统


[0001]本专利技术涉及运动步频测算
，具体为运动分级算法系统。

技术介绍

[0002]根据中国专利号为“CN109871771A”公开的一种基于单视角视频的自动检测人体的方法及系统，该方法包括以下步骤：S1：人体检测训练，在运动视频中，将一张图片中将所有人体的区域检测出来并进行标注，S2：人体识别训练，在运动视频中，通过相邻视频帧中将同一个框选人体标注出来，同时将不同的人体标注出来；S3：利用人体识别算法模型和人体跟踪算法模型得到人体特征集合，利用人体检测算法模型检测出图片中的若干人群；S4：将人体特征集合与图片中检测到的若干人群进行比较，计算图片中人体的相似度，该系统包括人体检测模块、人体识别模块、算法训练模块和人体跟踪模块，本专利技术通过人体检测算法模型和人体识别算法模型检测并计算图片中人群的相似度，搜索到框选的目标人体。
[0003]根据中国专利号“CN103268616B”公开的了一种新的多特征多传感器的移动机器人运动人体跟踪方法。包括：步骤一，利用RFID系统对在其附近携带无源标签的人体进行粗定位；步骤二，利用基于头肩特征的自适应模板匹配算法对图像中人体进行初定位；步骤三，利用基于多特征的mean
‑
shift算法对图像中人体精确定位；步骤四，利用扩展卡尔曼滤波算法预测人体运动状态；步骤五，采用双层协作定位机制对获取到的目标位置信息进行筛选；步骤六，利用机器人跟随控制算法控制机器人跟随人体运动。本专利技术可实现对不同位姿人体的跟踪，解决了目标突然转弯及被遮挡对跟踪的影响问题，使机器人能够精确、稳定、连续地跟踪运动人体。
[0004]上述专利文件中针对运动计算时由于三轴加速度的频率与人体的实际运动频率不一致，导致计算数据出现误差甚至错误，不利于实际人体运动测算使用。

技术实现思路

[0005]解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了运动分级算法系统，解决了现有的针对运动测算的频率不一致导致计算数值不准确的问题。
[0007]技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：运动分级算法系统，包括算法分析系统和数据整理系统，所述算法分析系统和数据整理系统的具体流程如下：
[0009]Sp1：信号降频采样，所述信号降频采样为对三轴加速度信号进行降采样，且降采样率为100Hz；
[0010]Sp2：信号取模并去平均值，所述信号取模并去平均值为将加速度的模并减去加速度的均值计算得出；
[0011]Sp3：波峰检测，所述波峰检测为设定波峰检测的阈值为减去平均值后的加速度的标准差，高于阈值的波峰，即为初步检测的波峰；
[0012]Sp4：波峰筛选，所述波峰筛选为设定所对应的频率应小于4Hz，针对采样率为100Hz的信号，波峰最小间隔为100/4，相邻波峰的间隔小于波峰最小间隔，则保留峰值大的，将峰值小的剔除；
[0013]Sp5：波峰数量统计，所述波峰数量统计为进行10s时长内的波峰数量统计，波峰数量即为步数除以时长，得到每秒的步数；
[0014]Sp6：建模分析,所述建模分析为根据男性和女性设定固定相等的MET值系数进行实验建模分析；
[0015]Sp7：分级阈值，所述分级阈值为对建模分析的数据进行收集完善整理。
[0016]优选的，所述信号降频采样、信号取模并去平均值、波峰检测和波峰筛选均在算法分析系统中进行，所述数据整理系统中进行波峰数量统计和建模分析步骤，所述数据整理系统和算法分析系统电性连接。
[0017]优选的，所述信号降频采样中原始三轴加速度的信号采用频率为100Hz，所述信号降频采样中的采样间隔为每10s一次。
[0018]优选的，所述建模分析中设定的MET值关于每秒步数的相关系数均为0.870，相应的拟合公式为MET(女性)＝4.54
×
每秒步数
‑
2.23和MET(男性)＝5.11
×
每秒步数
‑
3.37。
[0019]有益效果
[0020]本专利技术提供了运动分级算法系统。具备以下有益效果：
[0021]本专利技术采用对三轴加速度信号进行采样后降频至100Hz后进行人实际跑步最高步频的测算，通过降频后进行信号取模并去平均值处理、波峰检测和波峰筛选后对波峰数量进行统计，统计出的数据用于机选MET值，通过设定MET值为固定数值后测算男性和女性的建模图像分析，便于对运动过程中人员的频率进行分级算法处理，提高对运动过程中步频计算的精准度。
附图说明
[0022]图1为本专利技术的整体流程图；
[0023]图2为本专利技术的三轴加速度信号图；
[0024]图3为本专利技术的加速度的模和去均值后的加速度模；
[0025]图4为本专利技术的波峰检测图；
[0026]图5为本专利技术的波峰筛选后图；
[0027]图6为本专利技术的女性MET和每秒步数离散图；
[0028]图7为本专利技术的男性MET和每秒步数离散图；
[0029]图8为本专利技术的女性预测MET值与真实值的误差分布；
[0030]图9为本专利技术的男性预测MET值与真实值的误差分布。
具体实施方式
[0031]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，所描述的实施例仅仅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。
[0032]具体实施例一：
[0033]如图1
‑
9所示，运动分级算法系统，包括算法分析系统和数据整理系统，算法分析系统和数据整理系统的具体流程如下：
[0034]Sp1：信号降频采样，信号降频采样为对三轴加速度信号进行降采样，且降采样率为100Hz；
[0035]Sp2：信号取模并去平均值，信号取模并去平均值为将加速度的模并减去加速度的均值计算得出；
[0036]Sp3：波峰检测，波峰检测为设定波峰检测的阈值为减去平均值后的加速度的标准差，高于阈值的波峰，即为初步检测的波峰；
[0037]Sp4：波峰筛选，波峰筛选为设定所对应的频率应小于4Hz，针对采样率为100Hz的信号，波峰最小间隔为100/4，相邻波峰的间隔小于波峰最小间隔，则保留峰值大的，将峰值小的剔除；
[0038]Sp5：波峰数量统计，波峰数量统计为进行10s时长内的波峰数量统计，波峰数量即为步数除以时长，得到每秒的步数；
[0039]Sp6：建模分析,建模分析为根据男性和女性设定固定相等的MET值系数进行实验建模分析；
[0040]Sp7：分级阈值，分级阈值为对建模分析的数据进行收集完善整理。
[0041]信号降频采样、信号取模并去平均值、波峰检测和波峰筛选均在算法分析系统中进行，数据整理系统中进行波峰本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.运动分级算法系统，包括算法分析系统和数据整理系统，其特征在于：所述算法分析系统和数据整理系统的具体流程如下：Sp1：信号降频采样，所述信号降频采样为对三轴加速度信号进行降采样，且降采样率为100Hz；Sp2：信号取模并去平均值，所述信号取模并去平均值为将加速度的模并减去加速度的均值计算得出；Sp3：波峰检测，所述波峰检测为设定波峰检测的阈值为减去平均值后的加速度的标准差，高于阈值的波峰，即为初步检测的波峰；Sp4：波峰筛选，所述波峰筛选为设定所对应的频率应小于4Hz，针对采样率为100Hz的信号，波峰最小间隔为100/4，相邻波峰的间隔小于波峰最小间隔，则保留峰值大的，将峰值小的剔除；Sp5：波峰数量统计，所述波峰数量统计为进行10s时长内的波峰数量统计，波峰数量即为步数除以时长，得到每秒的步数；Sp6：建模分析,所述建模分析为根据男性和女性设定固定相等的MET值系数进行实验建模分析；...

【专利技术属性】
技术研发人员：周志雄，
申请(专利权)人：首都体育学院，
类型：发明
国别省市：