一種基于慣性傳感器的步態(tài)識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于體域網(wǎng)領(lǐng)域，涉及一種基于慣性傳感器的步態(tài)識(shí)別方法。
【背景技術(shù)】
[0002] 步態(tài)識(shí)別研宄是體域網(wǎng)領(lǐng)域的一個(gè)分支，在疾病診斷、運(yùn)動(dòng)訓(xùn)練和人機(jī)交互等方 面起到重要作用。當(dāng)前的步態(tài)識(shí)別方法主要有兩種：基于計(jì)算機(jī)視覺(jué)的方法和基于慣性傳 感器的方法。前者需限定在布置攝像頭的特定環(huán)境下使用，設(shè)備成本較高，且不利于保護(hù)個(gè) 人隱私。隨著體域網(wǎng)技術(shù)的發(fā)展，越來(lái)越多的研宄采用可穿戴式傳感器代替攝像頭識(shí)別步 態(tài)。這種方法通過(guò)佩戴于人體的慣性傳感器感知?jiǎng)幼餍袨?，價(jià)格較低廉，且不受監(jiān)測(cè)場(chǎng)景和 時(shí)間的限制，相比之下具有更為廣闊的應(yīng)用前景。
[0003] 基于慣性傳感器的步態(tài)識(shí)別方法一般由數(shù)據(jù)采集、特征提取和步態(tài)分類三個(gè)階段 組成。在數(shù)據(jù)采集階段，將慣性傳感器固定于身體表面的一個(gè)或多個(gè)部位，用于測(cè)量表征人 體運(yùn)動(dòng)狀態(tài)的各物理量。在特征提取階段，通過(guò)分析有限長(zhǎng)度時(shí)間窗口內(nèi)的數(shù)據(jù)，提取描述 步態(tài)行為的屬性組，即特征向量。在步態(tài)分類階段，利用機(jī)器學(xué)習(xí)方法訓(xùn)練分類器，將特征 向量作為分類器的輸入，計(jì)算得到步態(tài)類別。在實(shí)現(xiàn)上述步態(tài)識(shí)別方法的過(guò)程中，至今仍存 在一些問(wèn)題難以較好解決，例如選擇采集哪些信號(hào)，如何確定時(shí)間窗口的大小和特征向量 的元素，以及選擇何種分類算法等。這些問(wèn)題均會(huì)對(duì)步態(tài)識(shí)別方法的準(zhǔn)確性造成影響。此 外，對(duì)于實(shí)時(shí)性要求較高的場(chǎng)合來(lái)說(shuō)，方法的計(jì)算復(fù)雜度同樣至關(guān)重要。因此，設(shè)計(jì)準(zhǔn)確率 高、實(shí)時(shí)性好且計(jì)算復(fù)雜度低的方法已成為步態(tài)識(shí)別研宄的共同目標(biāo)。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明要解決的技術(shù)問(wèn)題是基于慣性傳感器，提出一種步態(tài)識(shí)別方法。與傳統(tǒng)包 含三個(gè)階段的方法不同，該方法增加了周期劃分階段，可降低整體計(jì)算量，并提高識(shí)別準(zhǔn)確 性。
[0005] 本發(fā)明的具體技術(shù)方案如下：
[0006] 基于慣性傳感器的步態(tài)識(shí)別方法主要包括數(shù)據(jù)采集、周期劃分、特征提取和步態(tài) 分類四個(gè)階段。
[0007] 數(shù)據(jù)采集階段采用的硬件設(shè)備包括傳感器節(jié)點(diǎn)和基站兩部分。傳感器節(jié)點(diǎn)集成了 陀螺儀、加速度計(jì)和電子羅盤等3種傳感器，并設(shè)計(jì)有一個(gè)無(wú)線收發(fā)器；基站也設(shè)計(jì)有一個(gè) 無(wú)線收發(fā)器，可通過(guò)無(wú)線方式與傳感器節(jié)點(diǎn)通信，并通過(guò)有線方式連接至上位機(jī)。將4個(gè)傳 感器節(jié)點(diǎn)通過(guò)彈性粘扣帶固定在測(cè)試者大腿和小腿外側(cè)，使之與自身的正中矢狀面平行。 將1個(gè)傳感器節(jié)點(diǎn)固定于測(cè)試者的腰間皮帶上，用于檢測(cè)人體的轉(zhuǎn)向變化。腿部節(jié)點(diǎn)按固 定頻率采集和發(fā)送角速度信號(hào)；腰部節(jié)點(diǎn)采用捷聯(lián)慣性導(dǎo)航技術(shù)將角速度轉(zhuǎn)換為描述節(jié)點(diǎn) 姿態(tài)信息的四元數(shù)，然后利用加速度與磁場(chǎng)強(qiáng)度對(duì)四元數(shù)進(jìn)行卡爾曼濾波校準(zhǔn)，減小陀螺 儀信號(hào)漂移產(chǎn)生的累積誤差。采集數(shù)據(jù)的過(guò)程當(dāng)中，所有節(jié)點(diǎn)均以50Hz的頻率連續(xù)采集傳 感器信號(hào)，并將數(shù)據(jù)封裝成幀，采用同步時(shí)分復(fù)用模式發(fā)送至基站。
[0008] 周期劃分階段主要通過(guò)分析小腿角速度信號(hào)的波形曲線來(lái)進(jìn)行數(shù)據(jù)分段，為后續(xù) 階段提取步態(tài)特征做準(zhǔn)備。周期劃分包含兩種情況：連續(xù)步態(tài)的周期劃分和靜止前最后一 個(gè)步態(tài)的周期劃分。在行走、跑步、轉(zhuǎn)身、上下樓等連續(xù)步態(tài)行為中，小腿角速度波形具有相 似的波動(dòng)規(guī)律。首先通過(guò)尋找角速度值大于IOOdps的波峰來(lái)檢測(cè)一次步態(tài)行為，將該波峰 出現(xiàn)的時(shí)刻定義為P ;然后根據(jù)波峰P前后最近的兩個(gè)波谷確定腳尖離地和腳跟擊地事件 的發(fā)生時(shí)刻；將代表腳尖離地的波谷作為當(dāng)前步態(tài)周期的起點(diǎn)，該時(shí)刻定義為IC，IC也是 上一個(gè)步態(tài)周期的終點(diǎn)；同時(shí)，將代表腳跟擊地的波谷發(fā)生的時(shí)刻定義為TC。對(duì)于靜止前 最后一個(gè)步態(tài)行為來(lái)說(shuō)，由于獲取不到下一個(gè)步態(tài)的波谷，因而無(wú)法確定當(dāng)前步態(tài)周期的 終止時(shí)間。為此，選擇根據(jù)角速度值以及變化趨勢(shì)識(shí)別靜止?fàn)顟B(tài)，并取靜止?fàn)顟B(tài)的前一時(shí)刻 為終點(diǎn)，得到當(dāng)前步態(tài)周期的近似范圍。至此，對(duì)于所有的步態(tài)行為，均可采用上述方法解 決周期劃分問(wèn)題。
[0009] 在特征提取階段，需從固定時(shí)長(zhǎng)的周期分段數(shù)據(jù)中提取具有價(jià)值的特征作為劃分 步態(tài)類別的依據(jù)。通過(guò)觀察分析各類腿部動(dòng)作的小腿角速度波形以及行為表現(xiàn)，選取19種 波形特征和行為特征，以右腿為例，用符號(hào)k表示步態(tài)周期的次序，列舉如下：
[0010] 特征1 :小腿擺動(dòng)波形的波峰P點(diǎn)處的角速度：ωρ(1〇
[0011] 特征2 :腳尖離地時(shí)刻IC的角速度：ω IC(k)
[0012] 特征3 :腳跟擊地時(shí)刻TC的角速度：ω TC (k)
[0013] 通過(guò)對(duì)上述三個(gè)特征相互作差可求得如下三個(gè)特征：
[0014] 特征 4 :DiffIC，TC(k) = t〇IC(k)-t〇TC(k)
[0015] 特征 5 :DiffP，IC(k) = t〇p(k)-t〇IC(k)
[0016] 特征 6 :DiffP，TC (k) = ω p (k) - ω TC (k)
[0017] 除差值外，還可以通過(guò)比值的形式反映極值點(diǎn)間的大小關(guān)系，得到如下三個(gè)特 征：
[0018] 特征 7 :RatioIC，P(k) = t〇IC(k)/t〇p(k)
[0019] 特征 8 :RatioTC，P(k) = c〇TC(k)/c〇p(k)
[0020] 特征 9 :RatioIC_TC，P(k) = DiffIC，TC(k)/t〇p(k)
[0021] 采用P (k)、IC (k)和TC (k)表示第k個(gè)步態(tài)周期內(nèi)右小腿波形三個(gè)極值點(diǎn)的發(fā)生 時(shí)刻，P'（k)、1C'（k)和TC'（k)表示第k個(gè)步態(tài)周期內(nèi)左小腿波形三個(gè)極值點(diǎn)的發(fā)生時(shí)刻。 定義P(k)與P'（k)的時(shí)間間隔Time P，，P(k)為特征10 :
[0022] 特征 10 :TimeP，，P(k) = |P，（k)-P(k)
[0023] 定義IC(k)與TC'（k)的時(shí)間差TimeIQTC，（k)為特征11，代表雙腳同時(shí)支撐地面的 時(shí)間：
[0024] 特征 11 :TimeIC，TC，（k) = I IC(k)_TC，（k)
[0025] 除得到能夠用于描述兩腿交替情況的特征外，利用各極值點(diǎn)的時(shí)序關(guān)系還可以求 得行走、跑步、上下樓等步態(tài)行為的特征如下：
[0026] 特征 12 :步態(tài)周期時(shí)間：GC(k) = IC(k+l)_IC(k)
[0027] 特征 13 :