发明名称 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
摘要 本发明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。
申请公布号 CN103020598A 申请公布日期 2013.04.03
申请号 CN201210530431.X 申请日期 2012.12.11
申请人 杭州电子科技大学 发明人 孙曜;罗志增;孟明;孙岩
分类号 G06K9/00(2006.01)I;G06K9/46(2006.01)I 主分类号 G06K9/00(2006.01)I
代理机构 杭州求是专利事务所有限公司 33200 代理人 杜军
主权项 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,完成特定动作时所产生的四路电压信号,分别记为<img file="201210530431X100001DEST_PATH_IMAGE001.GIF" wi="16" he="22" />、<img file="70972DEST_PATH_IMAGE002.GIF" wi="16" he="22" />、<img file="201210530431X100001DEST_PATH_IMAGE003.GIF" wi="16" he="22" />、<img file="891160DEST_PATH_IMAGE004.GIF" wi="17" he="22" />;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<img file="201210530431X100001DEST_PATH_IMAGE005.GIF" wi="61" he="22" />,<img file="119011DEST_PATH_IMAGE006.GIF" wi="57" he="22" />,<img file="201210530431X100001DEST_PATH_IMAGE007.GIF" wi="60" he="22" />,<img file="936925DEST_PATH_IMAGE008.GIF" wi="64" he="22" />;设重心坐标为<img file="201210530431X100001DEST_PATH_IMAGE009.GIF" wi="50" he="22" />,依据力学平衡原理及力矩原理得:<img file="312543DEST_PATH_IMAGE010.GIF" wi="133" he="54" />(1)式(1)中,<img file="DEST_PATH_IMAGE011.GIF" wi="78" he="22" />;每次检测均进行<img file="933492DEST_PATH_IMAGE012.GIF" wi="20" he="18" />次采样,采样周期为<img file="DEST_PATH_IMAGE013.GIF" wi="14" he="16" />;每次检测获得的各采样时刻重心坐标表示为<img file="15849DEST_PATH_IMAGE014.GIF" wi="69" he="22" />,<img file="DEST_PATH_IMAGE015.GIF" wi="81" he="22" />;将重心距原点的距离作为人体重心位移特征<img file="DEST_PATH_IMAGE017.GIF" wi="9" he="18" />;计算每次检测中各采样时刻重心距原点的距离,记为<img file="4665DEST_PATH_IMAGE018.GIF" wi="100" he="29" />;构建时间序列<img file="DEST_PATH_IMAGE019.GIF" wi="30" he="28" />,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<img file="867579DEST_PATH_IMAGE020.GIF" wi="14" he="16" />、<img file="DEST_PATH_IMAGE021.GIF" wi="16" he="18" />、<img file="967253DEST_PATH_IMAGE022.GIF" wi="14" he="14" />轴的三维加速度数据;左臂末端的三维加速度记为<img file="DEST_PATH_IMAGE023.GIF" wi="25" he="25" />、<img file="229082DEST_PATH_IMAGE024.GIF" wi="25" he="28" />、<img file="DEST_PATH_IMAGE025.GIF" wi="25" he="25" />,右臂末端的三维加速度记为<img file="185537DEST_PATH_IMAGE026.GIF" wi="26" he="28" />、<img file="DEST_PATH_IMAGE027.GIF" wi="26" he="28" />、<img file="535747DEST_PATH_IMAGE028.GIF" wi="25" he="28" />;每次检测均进行<img file="501429DEST_PATH_IMAGE012.GIF" wi="20" he="18" />次采样,采样周期为<img file="620695DEST_PATH_IMAGE013.GIF" wi="14" he="16" />;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<img file="DEST_PATH_IMAGE029.GIF" wi="45" he="28" />、<img file="13630DEST_PATH_IMAGE030.GIF" wi="45" he="33" />、<img file="DEST_PATH_IMAGE031.GIF" wi="44" he="28" />、<img file="523240DEST_PATH_IMAGE032.GIF" wi="46" he="33" />、<img file="DEST_PATH_IMAGE033.GIF" wi="46" he="33" />、<img file="24104DEST_PATH_IMAGE034.GIF" wi="45" he="33" />;按式(2)计算从每次检测开始时刻到第<img file="DEST_PATH_IMAGE035.GIF" wi="18" he="16" />个采样时刻,手臂末端沿某个轴向运动的距离;<img file="263455DEST_PATH_IMAGE036.GIF" wi="92" he="46" />(2)其中<img file="DEST_PATH_IMAGE037.GIF" wi="70" he="22" />,<img file="764975DEST_PATH_IMAGE038.GIF" wi="20" he="18" />表示采样时刻沿某轴向的加速度,<img file="DEST_PATH_IMAGE039.GIF" wi="20" he="25" />表示第<img file="824198DEST_PATH_IMAGE035.GIF" wi="18" he="16" />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<img file="131682DEST_PATH_IMAGE020.GIF" wi="14" he="16" />、<img file="287857DEST_PATH_IMAGE021.GIF" wi="16" he="18" />、<img file="22595DEST_PATH_IMAGE022.GIF" wi="14" he="14" />轴运动的距离,记为<img file="569114DEST_PATH_IMAGE040.GIF" wi="32" he="25" />、<img file="DEST_PATH_IMAGE041.GIF" wi="32" he="28" />、<img file="411780DEST_PATH_IMAGE042.GIF" wi="32" he="25" />、<img file="DEST_PATH_IMAGE043.GIF" wi="33" he="28" />、<img file="360145DEST_PATH_IMAGE044.GIF" wi="33" he="28" />、<img file="DEST_PATH_IMAGE045.GIF" wi="32" he="28" />, 构建时间序列<img file="265784DEST_PATH_IMAGE046.GIF" wi="46" he="28" />、<img file="DEST_PATH_IMAGE047.GIF" wi="46" he="33" />、<img file="299599DEST_PATH_IMAGE048.GIF" wi="45" he="28" />、<img file="DEST_PATH_IMAGE049.GIF" wi="46" he="33" />、<img file="948886DEST_PATH_IMAGE050.GIF" wi="46" he="33" />、<img file="DEST_PATH_IMAGE051.GIF" wi="46" he="33" />,<img file="751757DEST_PATH_IMAGE052.GIF" wi="74" he="22" />,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<img file="DEST_PATH_IMAGE053.GIF" wi="12" he="17" />检验法,进行特征变点有无的判断,具体是:<b>  </b>  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<tables num="0001"><table><tgroup cols="2"><colspec colname="c001" colwidth="75%" /><colspec colname="c002" colwidth="24%" /><tbody><row><entry morerows="1">特征样本子集名称</entry><entry morerows="1">符号</entry></row><row><entry morerows="1">重心位移长期追踪样本子集</entry><entry morerows="1"><img file="828297DEST_PATH_IMAGE054.GIF" wi="24" he="20" /></entry></row><row><entry morerows="1">重心位移近期追踪样本子集</entry><entry morerows="1"><img file="DEST_PATH_IMAGE055.GIF" wi="21" he="20" /></entry></row><row><entry morerows="1">左臂末端沿<img file="349409DEST_PATH_IMAGE020.GIF" wi="14" he="16" />轴运动距离长期追踪样本子集</entry><entry morerows="1"><img file="799457DEST_PATH_IMAGE056.GIF" wi="34" he="25" /></entry></row><row><entry morerows="1">左臂末端沿<img file="456834DEST_PATH_IMAGE020.GIF" wi="14" he="16" />轴运动距离近期追踪样本子集</entry><entry morerows="1"><img file="DEST_PATH_IMAGE057.GIF" wi="34" he="25" /></entry></row><row><entry morerows="1">左臂末端沿<img file="704276DEST_PATH_IMAGE021.GIF" wi="16" he="18" />轴运动距离长期追踪样本子集</entry><entry morerows="1"><img file="775000DEST_PATH_IMAGE058.GIF" wi="34" he="28" /></entry></row><row><entry morerows="1">左臂末端沿<img file="766090DEST_PATH_IMAGE021.GIF" wi="16" he="18" />轴运动距离近期追踪样本子集</entry><entry morerows="1"><img file="DEST_PATH_IMAGE059.GIF" wi="34" he="28" /></entry></row><row><entry morerows="1">左臂末端沿<img file="543553DEST_PATH_IMAGE022.GIF" wi="14" he="14" />轴运动距离长期追踪样本子集</entry><entry morerows="1"><img file="24213DEST_PATH_IMAGE060.GIF" wi="33" he="25" /></entry></row><row><entry morerows="1">左臂末端沿<img file="519917DEST_PATH_IMAGE022.GIF" wi="14" he="14" />轴运动距离近期追踪样本子集</entry><entry morerows="1"><img file="DEST_PATH_IMAGE061.GIF" wi="33" he="25" /></entry></row><row><entry morerows="1">右臂末端沿<img file="49118DEST_PATH_IMAGE020.GIF" wi="14" he="16" />轴运动距离长期追踪样本子集</entry><entry morerows="1"><img file="681088DEST_PATH_IMAGE062.GIF" wi="36" he="28" /></entry></row><row><entry morerows="1">右臂末端沿<img file="598228DEST_PATH_IMAGE020.GIF" wi="14" he="16" />轴运动距离近期追踪样本子集</entry><entry morerows="1"><img file="DEST_PATH_IMAGE063.GIF" wi="36" he="28" /></entry></row><row><entry morerows="1">右臂末端沿<img file="250402DEST_PATH_IMAGE021.GIF" wi="16" he="18" />轴运动距离长期追踪样本子集</entry><entry morerows="1"><img file="645611DEST_PATH_IMAGE064.GIF" wi="36" he="28" /></entry></row><row><entry morerows="1">右臂末端沿<img file="397666DEST_PATH_IMAGE021.GIF" wi="16" he="18" />轴运动距离近期追踪样本子集</entry><entry morerows="1"><img file="DEST_PATH_IMAGE065.GIF" wi="36" he="28" /></entry></row><row><entry morerows="1">右臂末端沿<img file="95495DEST_PATH_IMAGE022.GIF" wi="14" he="14" />轴运动距离长期追踪样本子集</entry><entry morerows="1"><img file="300211DEST_PATH_IMAGE066.GIF" wi="34" he="28" /></entry></row><row><entry morerows="1">右臂末端沿<img file="436795DEST_PATH_IMAGE022.GIF" wi="14" he="14" />轴运动距离近期追踪样本子集</entry><entry morerows="1"><img file="DEST_PATH_IMAGE067.GIF" wi="34" he="28" /></entry></row></tbody></tgroup></table></tables>然后,利用双总体滑动<img file="DEST_PATH_IMAGE069.GIF" wi="9" he="17" />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<img file="939231DEST_PATH_IMAGE070.GIF" wi="24" he="18" />表示所选定任一类特征近期追踪样本子集,用<img file="DEST_PATH_IMAGE071.GIF" wi="25" he="18" />表示该特征长期追踪样本子集;并用<img file="807961DEST_PATH_IMAGE072.GIF" wi="24" he="21" />、<img file="DEST_PATH_IMAGE073.GIF" wi="25" he="21" />分别表示两个样本子集的均值;<img file="499973DEST_PATH_IMAGE074.GIF" wi="26" he="22" />、<img file="DEST_PATH_IMAGE075.GIF" wi="28" he="22" />分别表示两个样本子集的方差;<img file="112351DEST_PATH_IMAGE076.GIF" wi="22" he="28" />表示两个样本子集的联合方差;各样本的长度均取为<img file="573420DEST_PATH_IMAGE012.GIF" wi="20" he="18" />,用双总体滑动<img file="938017DEST_PATH_IMAGE069.GIF" wi="9" he="17" />检验法进行特征变点有无判断的步骤如下:<img file="DEST_PATH_IMAGE077.GIF" wi="5" he="21" />)提出原假设为<img file="55009DEST_PATH_IMAGE078.GIF" wi="24" he="25" />:即该特征近期追踪总体的均值<img file="DEST_PATH_IMAGE079.GIF" wi="20" he="24" />与该特征长期追踪总体的均值<img file="205499DEST_PATH_IMAGE080.GIF" wi="24" he="24" />,满足<img file="DEST_PATH_IMAGE081.GIF" wi="85" he="24" />;定义一个统计量为:<img file="786653DEST_PATH_IMAGE082.GIF" wi="128" he="66" />(3)式中:<img file="DEST_PATH_IMAGE083.GIF" wi="262" he="49" />(4)<img file="997185DEST_PATH_IMAGE077.GIF" wi="5" he="21" /><img file="660860DEST_PATH_IMAGE077.GIF" wi="5" he="21" />) 选定显著性水平<img file="739675DEST_PATH_IMAGE084.GIF" wi="16" he="14" />;<img file="175335DEST_PATH_IMAGE077.GIF" wi="5" he="21" /><img file="946982DEST_PATH_IMAGE077.GIF" wi="5" he="21" /><img file="835304DEST_PATH_IMAGE077.GIF" wi="5" he="21" />)计算统计量<img file="DEST_PATH_IMAGE085.GIF" wi="16" he="21" />的值,并依据<img file="655492DEST_PATH_IMAGE053.GIF" wi="12" he="17" />分布表,得到所选定显著性水平<img file="945659DEST_PATH_IMAGE084.GIF" wi="16" he="14" />对应的临界值<img file="825891DEST_PATH_IMAGE086.GIF" wi="74" he="30" />;若<img file="DEST_PATH_IMAGE087.GIF" wi="106" he="32" />,则否定原假设<img file="201508DEST_PATH_IMAGE088.GIF" wi="24" he="22" />,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<img file="622125DEST_PATH_IMAGE017.GIF" wi="9" he="18" />,手臂姿态特征<img file="32378DEST_PATH_IMAGE040.GIF" wi="32" he="25" />、<img file="80581DEST_PATH_IMAGE041.GIF" wi="32" he="28" />、<img file="5812DEST_PATH_IMAGE042.GIF" wi="32" he="25" />、<img file="167803DEST_PATH_IMAGE043.GIF" wi="33" he="28" />、<img file="166983DEST_PATH_IMAGE044.GIF" wi="33" he="28" />、<img file="451334DEST_PATH_IMAGE045.GIF" wi="32" he="28" />,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;<b> </b>   表2 代表各特征变点判别结果的符号<tables num="0002"><table><tgroup cols="2"><colspec colname="c001" colwidth="51%" /><colspec colname="c002" colwidth="48%" /><tbody><row><entry morerows="1">特征名称</entry><entry morerows="1">代表特征变点判别结果的符号</entry></row><row><entry morerows="1">重心位移</entry><entry morerows="1"><img file="DEST_PATH_IMAGE089.GIF" wi="20" he="24" /></entry></row><row><entry morerows="1">左臂末端沿<img file="739227DEST_PATH_IMAGE020.GIF" wi="14" he="16" />轴运动距离</entry><entry morerows="1"><img file="767226DEST_PATH_IMAGE090.GIF" wi="37" he="22" /></entry></row><row><entry morerows="1">左臂末端沿<img file="886491DEST_PATH_IMAGE021.GIF" wi="16" he="18" />轴运动距离</entry><entry morerows="1"><img file="DEST_PATH_IMAGE091.GIF" wi="37" he="25" /></entry></row><row><entry morerows="1">左臂末端沿<img file="13847DEST_PATH_IMAGE022.GIF" wi="14" he="14" />轴运动距离</entry><entry morerows="1"><img file="913670DEST_PATH_IMAGE092.GIF" wi="37" he="22" /></entry></row><row><entry morerows="1">右臂末端沿<img file="417464DEST_PATH_IMAGE020.GIF" wi="14" he="16" />轴运动距离</entry><entry morerows="1"><img file="DEST_PATH_IMAGE093.GIF" wi="38" he="25" /></entry></row><row><entry morerows="1">右臂末端沿<img file="653886DEST_PATH_IMAGE021.GIF" wi="16" he="18" />轴运动距离</entry><entry morerows="1"><img file="14460DEST_PATH_IMAGE094.GIF" wi="38" he="25" /></entry></row><row><entry morerows="1">右臂末端沿<img file="339262DEST_PATH_IMAGE022.GIF" wi="14" he="14" />轴运动距离</entry><entry morerows="1"><img file="DEST_PATH_IMAGE095.GIF" wi="37" he="25" /></entry></row></tbody></tgroup></table></tables>按(5)式进行姿态变异识别,若<img file="646746DEST_PATH_IMAGE096.GIF" wi="17" he="18" />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异,若<img file="475025DEST_PATH_IMAGE096.GIF" wi="17" he="18" />值为0,则表明被追踪对象在完成特定动作时的姿态暂时没有发生变异;<img file="DEST_PATH_IMAGE097.GIF" wi="340" he="25" />(5)式(5)中,<img file="209763DEST_PATH_IMAGE098.GIF" wi="16" he="18" />为逻辑与运算符,<img file="DEST_PATH_IMAGE099.GIF" wi="16" he="18" />为逻辑或运算符。
地址 310018 浙江省杭州市下沙高教园区2号大街