[发明专利]一种基于运动能量收集的人体运动评估方法及装置

说明书

本发明公开了一种基于运动能量收集的人体运动评估方法及装置，将运动能量采集器代替已有的惯性传感器来进行人体运动评估，其目标是将能量有效和动作识别、卡路里估计联合考虑。直接将人体运动所收集的能量作为一种全新的输入信号，可实现在对人体运动程度分类和卡路里估计的同时有效地节省可穿戴设备的能量消耗，从而满足可穿戴设备能长时间不间断地进行人体健康监测的功能需求。

技术领域

本发明涉及运动评估领域，具体是一种基于运动能量收集的人体运动评估方法及装置。

背景技术

可穿戴设备要想满足长时间健康监测需求，持久供电是必须要解决的问题。在传统的电池供电方式下，降低功耗不能从根本上解决问题。近年来，能量收集技术作为一种新的可以实现系统可持续性的技术得到了广泛关注。能量收集技术是从外界环境或者人体收集能量为电池充电，它能够有效缓解目前可穿戴设备长期供能与普适化便捷部署需求之间的矛盾。其中可收集的分布式能量有太阳能、热能、振动和电磁波等多种形式。而运动能量收集是一种灵活、廉价的解决方案，它可将人类进行日常活动(如走路、开门)时产生的动能收集起来，转化成的电能足以维持一些可穿戴设备对外部的数据连接。

运动评估包括了运动程度分类和卡路里估计两个部分，基于人体运动能量的动作类型识别和卡路里估计属于模式识别、机器学习领域的应用研究。目前已有的绝大多数运动评估都是基于惯性传感器采集的信号来实现。在动作识别方面：美国的Yang等人将多个惯性传感器(三轴加速度计和三轴陀螺仪)佩戴在人体手腕、脚踝等五个不同位置，实现了对日常13种不同动作的分类识别。美国的Karantonis等人利用固定在人体腰部的单个加速度计，实现了对步行和跌倒两种状态的实时检测。在卡路里估计方面：Lin等人结合心率传感器和加速度传感器，利用神经网络模型识别不同运动强度的动作，再根据不同动作训练神经网络模型进而实现特定动作的卡路里消耗估计。Albinali等人利用单个加速度传感器根据运动强度的不同进行动作类别的区分，再结合人的体态特征进行查表估计人体运动的卡路里消耗。

已有的基于可穿戴设备的动作识别和卡路里消耗估计都是围绕提高动作识别率和卡路里估计准确率而展开，较少地考虑可穿戴设备的功耗问题。目前仅有澳大利亚的Khalifa团队尝试采集人体运动能量来对日常的走、跑、站三种动作进行识别，并对走和跑两个动作进行了人体卡路里消耗的估计。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种基于运动能量收集的人体运动评估方法及装置，对人体运动程度的分类和卡路里估计的同时，有效地节省穿戴设备的能量消耗，从而满足可穿戴设备能长时间不间断地进行人体健康监测的功能需求。

为解决上述技术问题，本发明所采用的技术方案是：一种基于运动能量收集的人体运动评估方法，包括以下步骤：

1)采集人体运动过程中的能量输出信号，提取用于运动程度分类和卡路里估计的动作特征向量，进而构造人体动作数据集；

2)从所述人体动作数据集中随机选取动作数据，提取动作特征向量，利用所述动作特征向量建立包含T棵分类决策树的随机森林分类预测模型；

3)利用随机森林分类预测模型中的每一棵分类决策树对测试样本进行判断，根据所有分类决策树的识别结果将预测类别最多的那一类作为该测试样本的动作类型；

4)从人体动作数据集中随机选取动作数据，提取动作特征向量，根据运动剧烈程度不同的动作特征向量分别建立四个独立的包含T棵回归决策树的随机森林回归预测模型；

5)对于所述测试样本，根据步骤3)的动作类型结果，选择对应的随机森林回归预测模型，让随机森林回归预测模型中的每一棵回归决策树进行判断，最后根据所有回归决策树的结果将叶子节点目标变量的加权平均值作为该测试样本的卡路里消耗。

能量输出信号的表达式为：measurement表示佩戴于人体上的模数转换器的测量值。