专利名称：：一种基于三维人体运动能耗仪的上下楼动作识别的方法
技术领域：
：本发明涉及一种人体动作模式识别的方法，特别是一种基于三维人体运动能耗仪的上下楼动作识别的方法。
背景技术：
：目前，公知的能耗仪本质上是一种计步器，即仅能记录人体行走的步数，通过人体平均每步动作消耗的能量估计出总能量的消耗。但这种能耗仪应用在上下楼动作时会有明显的失真，因为上下楼动作消耗的能量远大于行走所消耗的能量，上楼梯和下楼梯消耗的能量也互不相同，而将上下楼动作误判为行走，能量消耗的计算将产生巨大的误差，给使用者也会带来错误的判断，影响使用者的运动计划。国内外在基于MEMS(Micro-Electro-MechanicalSystems微机电系统)加速度传感器进行动作识别的研究早在90年代初期已经开始，主要识别平走、上楼梯和下楼梯动作，但大都处于研究阶段，因此为提高识别率，主要基于PC(personalcomputer)机使用平台，采用的技术多是涉及神经网络、小波变换、支持向量机等高级计算量大的算法，因此都不可将这些方法移植到可随身携带的三维人体运动能量消耗监测仪上。与发明相关的公开报道有[I]Aminian.K,Robert.P,Jequier.E,Schutz.Y.LEVEL,DownhillAndUphillWalkingIdentificationUsingNeuralNetworks[J].ElectronicsLetters,1993,29(17):46-49.[2]Aminian.K,Robert.P.EstimationofSpeedandInclineofWalkingUsingNeuralNetwork[J].1EEETransactionsonInstrumentationandMeasurement,1995,44(3):69-73.[3]BoutenCvc,KoekkoekKtm,VerduinM,KoddeR,JanssenJd.ATriaxialAccelerometerandPortableDataProcessingUnitfortheAssessmentofDailyPhysicalActivity[J].1EEETransactionsOnBiomedicalEngineering,199799-103.[3]BoutenCvc,KoekkoekKtm,VerduinM,KoddeR,JanssenJd.ATriaxialAccelerometerandPortableDataProcessingUnitfortheAssessmentofDailyPhysicalActivity[J].1EEETransactionsOnBiomedicalEngineering,1997:99-103.[4]陈雷，杨杰，沈红斌，王双全.基于加速度信号几何特征的动作识别[J].上海交通大学学报，2008，42(2):139-143.[5]ShuangquanWang,JieYang,NingjiangChen,XinChen,QinfengZhang.HumanActivityRecognitionwithUser-FreeAccelerometersintheSensorNetworks[J].NeuralNetworksandBrain,2005ICNN&B05InternationalConferenceonvoI2,200511:269-273
发明内容本发明的目的在于提出一种能降低能耗仪的工作能耗，提高了能耗仪的使用性能的基于三维人体运动能耗仪的上下楼动作识别的方法。本发明的目的是这样实现的基于三维人体运动能耗仪的上下楼动作识别的方法，主要包括数据预处理、几何特征提取、分类器识别三个部分；首先对由LivePod三维人体运动能量消耗监测仪中的三维加速度传感器SMB380采集到的互相垂直的三组加速度值进行数据预处理，主要将互相垂直的三组加速度值进行低通滤波处理，并将三维数据根据能量守恒合成为ー维数据；然后对得到的一维光滑的周期信号几何特征提取，主要提取包含周期、极值、能量、方差、均方根几何信息的共十一维几何特征向量，并将这十一维的几何信息进行主成分分析，进ー步去除冗余信息并消除信息间的相关性；最后进行分类器设计，将上楼梯和下楼梯动作分别从行走动作识别出来；将确定极值点的个数乘以每个周期消耗的平均能量即为记录时间内运动消耗的总能量。所述的低通滤波处理的过程为先对上楼梯和下楼梯动作的原始信号进行FFT频谱分析，由频谱图确定截止频率为2Hz;原始信号中含有高能量的噪声，根据大量实验结果确定低通滤波器阶次为9阶。所述的能量守恒合成公式为:权利要求1.一种基于三维人体运动能耗仪的上下楼动作识别的方法，其特征是主要包括数据预处理、几何特征提取、分类器识别三个部分；首先对由LivePod三维人体运动能量消耗监测仪中的三维加速度传感器SMB380采集到的互相垂直的三组加速度值进行数据预处理，主要将互相垂直的三组加速度值进行低通滤波处理，并将三维数据根据能量守恒合成为一维数据；然后对得到的一维光滑的周期信号几何特征提取，主要提取包含周期、极值、能量、方差、均方根几何信息的共十一维几何特征向量，并将这十一维的几何信息进行主成分分析，进一步去除冗余信息并消除信息间的相关性；最后进行分类器识别，将上楼梯和下楼梯动作分别从行走动作识别出来；将确定极值点的个数乘以每个周期消耗的平均能量即为记录时间内运动消耗的总能量。2.根据权利要求1所述的基于三维人体运动能耗仪的上下楼动作识别的方法，其特征是所述的低通滤波处理的过程为先对上楼梯和下楼梯动作的原始信号进行FFT频谱分析，由频谱图确定截止频率为2Hz;原始信号中含有高能量的噪声，根据大量实验结果确定低通滤波器阶次为9阶。3.根据权利要求1所述的基于三维人体运动能耗仪的上下楼动作识别的方法，其特征是所述的能量守恒合成公式为4.根据权利要求1所述的基于三维人体运动能耗仪的上下楼动作识别的方法，其特征是所述的几何特征提取过程为将滤波后的一维光滑的周期信号根据极值点坐标的确定，重新建立坐标系，并将除原点的其他五个极值点的横纵坐标作为特征，其中包含了周期信息和极值信息，又根据公式5.根据权利要求1所述的基于三维人体运动能耗仪的上下楼动作识别的方法，其特征是所述的主成分分析的方法为寻求原指标的线性组合6.根据权利要求1所述的基于三维人体运动能耗仪的上下楼动作识别的方法，其特征是所述的分类器识别是将主成分间无信息重叠十维模式送入最近邻法中的列表法进行分类识别首先将待识别样本插入按已知样本已排好的表中，然后找到三个表中距待识别样本的前后各四个样本作为邻域，邻域的交集所属类别即为待识别样本的类别。全文摘要本发明提供的是一种基于三维人体运动能耗仪的上下楼动作识别的方法。主要包括数据预处理、几何特征提取、分类器识别三个部分；首先对由LivePod三维人体运动能量消耗监测仪中的三维加速度传感器SMB380采集到的互相垂直的三组加速度值进行数据预处理；然后对得到的一维光滑的周期信号几何特征提取；最后进行分类器识别，将上楼梯和下楼梯动作分别从行走动作识别出来；将确定极值点的个数乘以每个周期消耗的平均能量即为记录时间内运动消耗的总能量。本发明本提供一种能降低能耗仪的工作能耗，提高了能耗仪的使用性能的基于三维人体运动能耗仪的上下楼动作识别的方法。文档编号A61B5/00GK103020636SQ20121046492公开日2013年4月3日申请日期2012年11月16日优先权日2012年11月16日发明者王俊科,曹晶,熊新炎申请人:哈尔滨工程大学