[發明專利]一種基于動態時間規整的運動模式識別方法

在審

• 申請號: 201910032356.6
• 申請日: 2019-01-14
• 公開（公告）號: CN109751998A
• 公開（公告）日: 2019-05-14
• 發明（設計）人: 李國權;耿恩緒;姚凱;林金朝;龐宇
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G01C21/16
• 分類號: G01C21/16
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供了一種基于動態時間規整的運動模式識別方法，離線階段用慣性測量單元采集不同運動模式下的慣性數據，并對數據進行單周期分割生成運動模式模板。在線階段采用動態時間規整算法生成人體運動模式分類器。本發明無需人工提取運動特征，避免了因特征選擇不當帶來的分類誤差，并且計算簡單，對便攜式設備友好。

技術領域

本發明屬于位置服務和人體運動模式識別領域，特別是涉及一種基于慣性測量單元采集加速度和動態時間規整算法，并根據所測加速度數據提出一種人體運動模式識別方法。

背景技術

隨著移動互聯網技術的迅猛發展，基于位置服務的需求與日俱增。基于行人航位推算的定位技術是利用小型輕質樣式的慣性傳感器實現行人導航定位的一種新興手段。行人航位推算主要包括航向角解算、步頻檢測、步長估計三個關鍵問題。

步長估計一般采用采用固定步長經驗模型或者基于加速度幅值的計算模型。但是由于人體運動模式的不同，傳統的步長估計模型會造成很大定位偏差。基于人體運動模式識別的步長估計方法，根據不同的運動模式給出不同的步長估計，從而提高定定位精度。

人體運動模式識別主要包含特征提取和模式匹配兩個關鍵問題。目前使用的模式匹配方法多為最近鄰、支持向量機、樸素貝葉斯、神經網絡等較為復雜的算法。上述算法計算復雜，而且需要大量訓練樣本提取樣本特征。而特征提取不當會造成分類器精度降低。對于便攜設備上述算法會占用大量處理器資源，可行性不強。

發明內容

本發明的目的是提供一種運動模式識別的方法，實時采集待識別對象的加速度數據，通過動態時間規整算法自動匹配待識別對象的運動模式。

本發明提供了一種運動識別的方法，對待識別對象的運動模式進行運動匹配，具有這樣的特征，包含：慣性測量單元實時采集識別對象的運動數據；對待識別對象的運動模式匹配為步行模式，跑步模式，使用模式，樓梯模式，電梯模式，所述步行模式與跑步模式包括手持便攜設備以及便攜設備置于口袋兩種狀態；所述使用模式包括接打電話、發短信等操作狀態。

本發明所采用的技術方案包括以下步驟:

步驟1：用慣性測量單元采集不同運動模式下的三軸加速度原始數據；

步驟2：對步驟1所得數據進行低通濾波預處理，并利用峰值檢測法對所得數據進行單周期分割；

步驟3：對步驟2所得數據進行求平方，即獲得加速度數據矩陣；

步驟4：反復進行步驟1-3多次以確定不同運動模式下加速度數據模板矩陣；

步驟5：使用步驟1所述方法采集待識別樣本，使用步驟2、3所述方法對該數據進行處理，再使用動態時間規整算法將待識別數據與步驟4所得模板進行對比，實現運動模式識別。

與現有技術相比，本發明的有益效果是：

加速度數據采取平方處理，降低因設備倒置產生的識別誤差；

采用動態時間規整算法進行模版匹配，省卻了傳統模式識別方法中特征篩選提取的步驟，降低因特征提取不當造成的誤差，同時節省人力物力，易于程序移植與應用；

基于本發明運動識別方法，可進一步為行人航位推算提供運動模式約束，便于步長估計，提高定位效果。

附圖說明

圖1為本發明運動模式識別流程圖；

圖2為本發明實施例的手持終端行走模式加速度樣本圖；

圖3是本發明實施例的DTW算法累計矩陣路徑示意圖；

具體實施方式