[發(fā)明專利]人體運動模型的自主進(jìn)化方法

有效

• 申請?zhí)枺?/td>: 201910687480.6
• 申請日: 2019-07-29
• 公開（公告）號: CN110501008B
• 公開（公告）日: 2021-03-26
• 發(fā)明（設(shè)計）人: 史凌峰;劉公緒;董亞軍;于淼鑫;何瑞;辛東金
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G01C21/16
• 分類號: G01C21/16;G06K9/62;G06N20/20
• 代理公司: 北京市誠輝律師事務(wù)所 11430
• 代理人: 范盈

1.一種人體運動模型的自主進(jìn)化方法，其特征在于，包括如下步驟：

(1)傳感器系統(tǒng)的時空配準(zhǔn)；

(2)傳感器系統(tǒng)的拓?fù)渑宕鳎?/p>

(3)數(shù)據(jù)采集與數(shù)據(jù)處理；

(4)運動模型參數(shù)的獲取；

(5)新運動模型參數(shù)的合成；

(6)新運動模型參數(shù)的篩選；

所述傳感器系統(tǒng)包括ARM/DSP/FPGA平臺至少之一和加速度計、陀螺儀、磁力計、北斗信號接收機，所述傳感器系統(tǒng)用于采集人或其它載體運動加速度、速度和姿態(tài)；

所述數(shù)據(jù)采集和數(shù)據(jù)處理為采集和處理傳感器系統(tǒng)中加速度計、陀螺儀和磁力計的加速度、角速度和磁場強度，進(jìn)而得到人體的三維加速度、三維速度和三維姿態(tài)信息；

所述運動模型參數(shù)的獲取為對步驟(3)中數(shù)據(jù)采集和數(shù)據(jù)處理后得到的三維加速度、三維速度和三維姿態(tài)信息提取加速度、速度和姿態(tài)大小、方向以及其內(nèi)部關(guān)系的語義化表達(dá)；

所述新運動模型參數(shù)的合成為對步驟(4)中運動模型參數(shù)的獲取得到的加速度、速度和姿態(tài)大小、方向以及其內(nèi)部關(guān)系的語義化表達(dá)進(jìn)行合成得到新運動模型參數(shù)；具體地，所述新運動模型參數(shù)通過合成規(guī)則進(jìn)行合成，所述合成規(guī)則包括，合成規(guī)則1：參數(shù)線性疊加規(guī)則，即將子運動模型所對應(yīng)的各個參數(shù)的加速度、速度進(jìn)行矢量相加，姿態(tài)進(jìn)行矢量相加再求模，語義化屬性進(jìn)行布爾代數(shù)的‘或’操作，所述子運動模型是指用于合成新的運動模型所用到運動模型；合成規(guī)則2：參數(shù)局部化隨機規(guī)則，即將部分參數(shù)的屬性疊加一個隨機小量；合成規(guī)則3：參數(shù)的乘法規(guī)則，即分別對加速度、速度進(jìn)行矢量相乘，對姿態(tài)所對應(yīng)的空間矢量進(jìn)行相乘，對語義化的屬性進(jìn)行布爾代數(shù)的‘與’操作；

所述新運動模型參數(shù)的篩選為對步驟(5)中新運動模型參數(shù)的合成得到的新運動模型參數(shù)進(jìn)行篩選；具體地，所述新運動模型參數(shù)通過篩選規(guī)則進(jìn)行篩選，所述篩選規(guī)則是指事先確定所需要模型的參數(shù)屬性范圍，在合成的新模型中尋找參數(shù)符合預(yù)定參數(shù)范圍的參數(shù)，篩選規(guī)則包括，篩選規(guī)則1：模值閾值方差最小匹配規(guī)則，即對加速度、速度、姿態(tài)這些屬性與相應(yīng)預(yù)設(shè)的屬性求差，計算方差，并選出方差最小的屬性作為備選屬性；篩選規(guī)則2，語義模糊匹配規(guī)則，即對語義屬性進(jìn)行模糊匹配，得到語義屬性中屬性與預(yù)設(shè)屬性最為接近的屬性作為備選屬性。

2.根據(jù)權(quán)利要求1所述的人體運動模型的自主進(jìn)化方法，其特征在于，步驟(1)所述的時空配準(zhǔn)是指將加速度計、陀螺儀和磁力計的校準(zhǔn)誤差、姿態(tài)誤差、位置誤差和定時誤差補償?shù)浇y(tǒng)一的時空框架內(nèi)；所述時空框架包括時間框架和空間框架，所述時間框架采用北斗授時，所述空間框架采用CGCS2000坐標(biāo)系。

3.根據(jù)權(quán)利要求1所述的人體運動模型的自主進(jìn)化方法，其特征在于，步驟(2)所述的拓?fù)渑宕魇侵冈谌梭w的典型部位佩戴傳感器系統(tǒng)，所述典型部位包括腳面、腳踝、小腿、腰部、手腕、頭部。

4.根據(jù)權(quán)利要求1所述的人體運動模型的自主進(jìn)化方法，其特征在于，步驟(3)所述的數(shù)據(jù)處理是指用互補濾波、卡爾曼濾波方法處理來自加速度計、陀螺儀和磁力計的原始數(shù)據(jù)，進(jìn)而得到人體的三維加速度、三維速度和三維姿態(tài)信息；所述原始數(shù)據(jù)為傳感器系統(tǒng)所采集的加速度、角速度和磁場強度。

5.根據(jù)權(quán)利要求1所述的人體運動模型的自主進(jìn)化方法，其特征在于，步驟(4)所述的運動模型包括走、跑、停、側(cè)移、上下樓梯；步驟(4)所述的運動模型參數(shù)是指加速度、速度和姿態(tài)的大小、方向，以及其內(nèi)部關(guān)系的語義化表達(dá)。

6.根據(jù)權(quán)利要求1所述的人體運動模型的自主進(jìn)化方法，其特征在于，步驟(4)所述的運動模型參數(shù)是在獲取大量三維加速度、三維速度和三維姿態(tài)樣本數(shù)據(jù)之后，利用弱分類器權(quán)重可變的集成學(xué)習(xí)方法獲取，所述弱分類器權(quán)重可變的集成學(xué)習(xí)方法是指設(shè)計許多弱分類器hi(x)，通過訓(xùn)練集的訓(xùn)練，得到各分類器的權(quán)重Wi(x)，并按照式(1)將各弱分類器聯(lián)合在一起，實現(xiàn)一個集成分類器的方法，

H(x)＝sign(∑Wi(x) hi(x)) (1)。

7.根據(jù)權(quán)利要求1所述的人體運動模型的自主進(jìn)化方法，其特征在于：三個所述合成規(guī)則每次執(zhí)行的順序隨機。