[發明專利]一種基于慣性傳感器的人體下肢動作識別方法

在審

• 申請號: 201810354823.2
• 申請日: 2018-04-19
• 公開（公告）號: CN108596074A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 王永雄;陳晗;嚴龍;宋天中;黃穎;張震;趙攀攀;耿雙樂;李航;王歡
• 申請（專利權）人: 上海理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 上海旭誠知識產權代理有限公司 31220
• 代理人: 鄭立

本發明公開了一種基于慣性傳感器的人體下肢動作識別方法。首先利用內置加速度計和陀螺儀的慣性傳感器收集人體膝關節處的加速度、角速度和角度信號；然后對信號使用時間窗法，讓窗口隨著時間不斷的截取信號片段。針對信號本身存在的噪音問題，采用小波去噪法將其去除。接下來對截取后的信號片段采用傅立葉變換并將其系數作為特征值。最后采用支持向量機(SVM)的方法進行下肢動作的模型訓練和路況識別。本方法的優勢在于，使用一系列預處理和特征提取算法獲得更加能表現動作行為的特征值，然后使用SVM識別人體下肢動作方式和路況，該方法不但減少模型的訓練時間，而且提高了模型的識別速度和準確率。

技術領域

本發明涉及人體下肢動作識別領域，尤其涉及一種基于慣性傳感器的將小波分析、主成分分析和支持向量機相結合的人體下肢動作識別方法。

背景技術

目前下肢動作識別是智能假肢人機融合的關鍵問題之一。如果人、假肢和環境三者之間不能進行有效的信息交互和協調控制，那么無法實現在多種路況、不同行為、不同行走階段下的理想控制效果，這就使得假肢難以保持良好的穩定性和舒適性。近年來，下肢動作識別技術在國內外得到廣泛關注。在目前的步態識別研究中，用于描述人體步態的信息主要包括力學信息、視頻圖像信息、生物電信息和慣性信息。但目前來說人體下肢行為識別大部分是關于視頻圖像類的識別。雖然基于圖像識別效果不錯，但由于圖像類的識別方法容易受場地和背景的影響。力學信息雖然主要是根據足底的地面反作用力采用合適的算法進行識別動作。雖然這種信號可以應用到正常人身上，但由于智能假肢的足底壓力跟正常人還是有區別的，所以該方法不適合。基于生物電信號的分析方法，是目前新的研究領域，各種研究仍然處于理論水平，暫時無法用到實際場景。所以綜上所述，目前最好的信號源就是慣性信號，慣性傳感器信號穩定、精準度高、體積小巧這些優點決定該傳感器是最適合應用在智能假肢上的傳感器。

因此，本領域的技術人員致力于開發一種基于慣性傳感器的人體下肢動作識別方法，目的在于提供一種基于慣性信號(加速度、角度和角速度)并與小波分析、主成分分析和支持向量機等算法相結合的人體下肢動作識別。

發明內容

有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是解決人體下肢動作識別精度不高、信號不穩定的技術問題。

為實現上述目的，本發明提供了一種基于慣性傳感器的人體下肢動作識別方法，包括以下步驟：

步驟1、采用慣性傳感器采集下肢膝關節處的加速度、角速度和角度數據，采集跑步、散步、騎車、上下坡和上下樓梯這7種動作的測試數據，每種動作的采集時間為8分鐘；

步驟2、對采集到的數據使用滑動窗口法截取數據片段，然后對時間窗內的信號進行降噪；

步驟3、采用歸一化的方法對加速度角速度和角度進行量綱消除，然后針對歸一化后的數據進行特征提取，對每種動作下的x、y、z三個方向上的加速度、角速度和角度信號進行4階傅里葉變換，并提取傅里葉變換系數作為特征矩陣，變換后的特征矩陣為9×9原始特征矩陣；

步驟4、采用主成分分析的方法將9×9的特征矩陣降維到6×6，然后把6×6的特征矩陣轉換為1×36的一維特征向量；

步驟5、使用支持向量機將步驟1-4提取出的非線性可分特征向量，通過核函數映射到高維空間中，然后在高維空間中找出一個最優平面把不同的類別分別開來，構造支持向量機(SVM)分類器，得出特征向量對應的動作屬性；

步驟6、將新輸入的原始數據采用步驟1-4的方法提取出1×36的一維向量，再輸入到步驟5的已經訓練好的模型之中，識別出待測向量對應的動作，從而實現用慣性傳感器對人體下肢動作的檢測。

進一步地，所述慣性傳感器采用集成了三軸陀螺儀、三軸加速度和磁力計的MPU6050。

進一步地，所述慣性傳感器固定在人體下肢膝蓋處，所述慣性傳感器自身坐標系的z軸朝著人體正前方，x軸與地面垂直向上，旋轉方向符合右手定則。