[发明专利]一种基于三轴加速度传感器的运动状态识别方法及系统

说明书

本发明提供了一种基于三轴加速度传感器的运动状态识别方法及系统，包括自学习阶段和实际应用阶段；所述自学习阶段包括以下步骤：S10、通过三轴加速度传感器采集人物运动状态下的加速度数据；S20、对采集的加速度数据进行运动类型标记及信号处理；S30、根据三轴加速度传感器的x，y，z坐标系选取用来数据分析的轴，并对该数据分析的轴进行特征提取；S40、将提取的特征及对应的运动类型标记应用于分类器训练学习模型；所述实际应用阶段包括以下步骤：S50、三轴加速度传感器采集用户数据，重复步骤S20和S30，将提取的特征输入学习模型，得到运动状态识别结果及步数结果，本发明能够识别用户的运动类型，并对其步数进行计算，准确率高。

技术领域

本发明涉及电子技术领域，尤其涉及一种基于三轴加速度传感器的运动状态识别方法及系统。

背景技术

近年来，可穿戴科技设备变得日益常见，各式各样的产品如雨后春笋般涌现，同时，人工智能技术也被集成到可穿戴设备中，实现更加主动式的服务和更加智能化的数据分析，为用户带来更好的运动建议和更加健康的生活方式，目前市场上出现了智能鞋，功能基本局限于人体指标，如温度、湿度、重量等的测量，以及加热除湿服务和简单告警等，作为一种可穿戴智能设备，其功能单一，无法满足人们日益增加的需求。

发明内容

针对上述技术问题，本发明提供了一种能够能够识别用户的运动类型，并对其步数进行计算，准确率高的基于三轴加速度传感器的运动状态识别方法及系统。

为了解决上述技术问题，本发明提供的具体方案如下：一种基于三轴加速度传感器的运动状态识别方法，包括自学习阶段和实际应用阶段；

所述自学习阶段包括以下步骤：S10、通过三轴加速度传感器采集人物运动状态下的加速度数据；S20、对采集的加速度数据进行运动类型标记及信号处理；S30、根据三轴加速度传感器的x，y，z坐标系选取用来数据分析的轴，并对该数据分析的轴进行特征提取；S40、将提取的特征及对应的运动类型标记应用于分类器训练学习模型；

所述实际应用阶段包括以下步骤：S50、三轴加速度传感器采集用户数据，重复步骤S20和S30，将提取的特征输入学习模型，得到运动状态识别结果及步数结果。

优选的，所述运动状态包括走路、跑步、骑车、上楼和下楼，能够分别采集快速、中速和慢速下的走路、跑步、骑车、上楼和下楼的运动状态数据。

优选的，所述特征提取包括均值、方差、波峰个数和数据区间投影，即提取各个运动状态下的上述特征。

优选的，所述分类器为神经网络、决策树或随机森林，分类器的类型可根据实际需求选择。

优选的，所述信号处理为均值平滑滤波处理或高斯滤波处理，对信号进行平滑处理，滤除干扰。

优选的，所述数据区间投影具体为设置固定数据区间，计算数据分析的轴数据投影落在固定数据区间的数值个数。

优选的，所述步骤S50还包括以下投票过程：根据相邻运动状态识别结果选择出票数最高的，并输出投票后得到的运动状态识别结果，提高运动状态识别的准确性。

本发明还提供了一种基于三轴加速度传感器的运动状态识别系统，其特征在于，所述运动状态识别系统包括：

数据采集模块，用于采集人物运动状态下的加速度数据；

算法模块，用于对采集到的加速度数据进行运动类型标记、信号处理以及选取用来数据分析的轴，并对该数据分析的轴进行特征提取；

分类器训练模块，用于将提取的特征及对应的运动类型标记进行训练学习模型；

状态识别模块，对提取的特征进行状态识别，输出运动状态识别结果及步数结果；

所述数据采集模块为三轴加速度传感器。