一种用于对人完成特定动作时的姿态变异进行识别的方法技术

本发明专利技术涉及一种用于对人完成特定动作时的姿态变异进行识别的方法。本发明专利技术利用家庭健身设备所包含的平衡板、惯性传感器等部件，追踪获取人完成特定动作时其肢体运动的三维加速度和其重心位置变化数据，并存入个体化数据库作为信息源，利用基于突变理论及统计分析方法构建的算法，对所提取的姿态特征是否出现变点进行判别，进而对人在完成特定动作时姿态的变异进行识别。本发明专利技术具有便捷、安全的特点，且能有效降低个体差异对识别结果的影响。

【技术实现步骤摘要】

本专利技术属于运动生物力学领域，涉及到一种在日常居家环境中，对人完成特定动作时的姿态变异进行识别的方法。
技术介绍
如今我国人口的老龄化趋势越来越严重，而且独居老人已成为中国城镇老年人家庭的主要形式。针对独居老人在家没人照顾的情况，亟需建立智能化的监护及报警系统。姿态变异识别是指对人在完成特定动作时的运动力学信息进行追踪采集，基于所获取的数据对完成特定动作时的人体姿态特征进行定量描述，进而对该种姿态是否发生变化进行判断。独居老人完成特定动作的姿态变异识别结果，可为智能监护及报警系统进行老人独居生活安全性评估提供重要的客观依据。目前，家庭健身保健设备已较为普及，该类设备中通常包含平衡板、惯性传感器等部件，如任天堂游戏健身设备中的WII平衡板及装有惯性传感器的手柄等。这使得借助该类部件，在老年人进行日常健身活动时，便捷安全地对其完成特定动作时的运动力学信息进行追踪检测成为可能。例如，当人处于平衡板上时，通过对分布于平衡板四角的压力传感器输出的四路电压信号进行分析处理，可以获得人体重心的位移信息；当人握住手柄完成特定动作时，通过位于手柄内部的惯性传感器，可以获得手臂运动的三维加速度信息。但对人在完成同一动作时的运动力学信息进行分析的结果表明，不同人的同类运动力学信息间存在较大的个体差异。这就要求用于姿态变异识别所采用的算法具有较强的适应性，从而有效消除个体差异对识别结果的影响，及时准确地对姿态变异进行识别。然而，目前该类算法的构建方式尚需进一步研究及探索。突变理论是从上世纪70年代发展起来的一个新的数学分支，它运用拓朴学、奇点理论与结构稳定性现象，考查某一过程从一种状态到另一种状态的迁跃。因此将独居老人个体作为一个系统，将日常对个体进行追踪检测所获得的各类运动力学信息作为系统的状态变量，针对每个个体构建长期追踪数据库及近期追踪数据库，基于突变理论，借助统计分析的方法，对系统中是否存在变点进行判别，进而对独居老人完成特定动作时的姿态是否发生变异进行识别合理可行。
技术实现思路
本专利技术的目的是针对现有技术的不足，提供一种面向日常居家环境，能及时有效地对人完成特定动作时的姿态变异进行识别的方法。该方法是在人进行日常健身活动的过程中，利用家庭健身设备所包含的平衡板、惯性传感器等部件，追踪获取人完成特定动作时其肢体运动的三维加速度和其重心位置变化数据，并存入个体化数据库作为信息源，利用基于突变理论及统计分析方法构建的算法，对所提取的姿态特征是否出现变点进行判别，进而对人在完成特定动作时姿态的变异进行识别。本专利技术方法包括以下各步骤步骤1.人体重心位移特征提取，具体是通过分布于平衡板四角的压力传感器，检测追踪对象处于平衡板上，完成特定动作时，所产生的四路电压信号，分别记为ΑΛΛΛ ;将坐标原点设在平衡板的一角，四个压力传感器的位置坐标分别为可本文档来自技高网...

【技术保护点】
一种用于对人完成特定动作时的姿态变异进行识别的方法，其特点在于以下步骤：步骤1.人体重心位移特征提取，具体是：通过分布于平衡板四角的压力传感器，检测追踪对象处于平衡板上，完成特定动作时所产生的四路电压信号，分别记为????????????????????????????????????????????????、、、；将坐标原点设在平衡板的一角，四个压力传感器的位置坐标分别为，，，；设重心坐标为，依据力学平衡原理及力矩原理得：??????????????????????(1)式(1)中，；每次检测均进行次采样，采样周期为；每次检测获得的各采样时刻重心坐标表示为,；将重心距原点的距离作为人体重心位移特征；计算每次检测中各采样时刻重心距原点的距离，记为；构建时间序列，并存入该追踪对象的个体化数据库作为重心位移特征的一个样本；步骤2.手臂姿态特征提取，具体是：通过手握的惯性传感器，检测追踪对象完成特定动作时，手臂末端沿、、轴的三维加速度数据；左臂末端的三维加速度记为、、，右臂末端的三维加速度记为、、；每次检测均进行次采样，采样周期为；每次检测获得的各采样时刻左、右臂末端各轴向加速度值所构成的时间序列分别记为、、、、、；按式(2)计算从每次检测开始时刻到第个采样时刻，手臂末端沿某个轴向运动的距离；?????????????????????????????????(2)其中，表示采样时刻沿某轴向的加速度，表示第个采样时刻手臂末端沿某个轴向运动的距离；?则可得到各采样时刻左、右手臂末端沿、、轴运动的距离，记为、、、、、，?构建时间序列、、、、、，，并存入该追踪对象的个体化数据库作为手臂姿态特征的一个样本；步骤3.基于双总体滑动检验法，进行特征变点有无的判断，具体是：????首先，按采样时间距当前进行变点有无判别时间的远近，对该追踪对象个体化数据库中保存的人体重心位移特征样本集、手臂姿态特征样本集中的样本数据进行选择划分，各类特征样本均构建近期追踪及长期追踪两个子集；子集构建的规则是：采样时间距当前进行变点有无判别时间短的样本归并成一个子集，称为近期追踪子集；采样时间距当前进行变点有无判别时间较长的样本归并成另一个子集，称为长期追踪子集；本方法中所应构建的各类特征样本的长期追踪子集和近期追踪子集如表1所示；表1??特征样本子集名称及表示符号特征样本子集名称符号重心位移长期追踪样本子集重心位移近期追踪样本子集左臂末端沿轴运动距离长期追踪样本子集左臂末端沿轴运动距离近期追踪样本子集左臂末端沿轴运动距离长期追踪样本子集左臂末端沿轴运动距离近期追踪样本子集左臂末端沿轴运动距离长期追踪样本子集左臂末端沿轴运动距离近期追踪样本子集右臂末端沿轴运动距离长期追踪样本子集右臂末端沿轴运动距离近期追踪样本子集右臂末端沿轴运动距离长期追踪样本子集右臂末端沿轴运动距离近期追踪样本子集右臂末端沿轴运动距离长期追踪样本子集右臂末端沿轴运动距离近期追踪样本子集然后，利用双总体滑动检验法，通过考察各类特征样本长期追踪与近期追踪子集的平均值差异是否显著，来检验该特征在近期是否存在变点；用表示所选定任一类特征近期追踪样本子集，用表示该特征长期追踪样本子集；并用、分别表示两个样本子集的均值；、分别表示两个样本子集的方差；表示两个样本子集的联合方差；各样本的长度均取为，用双总体滑动检验法进行特征变点有无判断的步骤如下：）提出原假设为：即该特征近期追踪总体的均值与该特征长期追踪总体的均值，满足；定义一个统计量为：???????????????????????????(3)式中：???????????????????(4))?选定显著性水平；）计算统计量的值，并依据分布表，得到所选定显著性水平对应的临界值；若，则否定原假设，说明该特征近期追踪数据与长期追踪数据的均值存在显著性差异，即该特征在近期存在变点，发生了突变；步骤4.姿态变异的识别，具体是：对本方法所选定的人体重心位移特征，手臂姿态特征、、、、、，均按步骤3所述方法进行各特征是否存在变点的判断；若存在变点，即特征发生了突变，则将相应的判断结果赋值为1；若不存在变点，即特征未发生突变，则将相应的判断结果赋值为0；代表各特征变点判别结果的符号如表2所示；????表2?代表各特征变点判别结果的符号特征名称代表特征变点判别结果的符号重心位移左臂末端沿轴运动距离左臂末端沿轴运动距离左臂末端沿轴运动距离右臂末端沿轴运动距离右臂末端沿轴运动距离右臂末端沿轴运动距离按(5)式进行姿态变异识别，若值为1，则表明被追踪对象在完成特定动作时的姿态发生了变...

【技术特征摘要】
1.一种用于对人完成特定动作时的姿态变异进行识别的方法，其特点在于以下步骤 步骤1.人体重心位移特征提取，具体是通过分布于平衡板四角的压力传感器，检测追踪对象处于平衡板上，完成特定...

【专利技术属性】
技术研发人员：孙曜，罗志增，孟明，孙岩，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：