[发明专利]用于人体运动的特征提取方法及系统、识别方法及系统

权利要求书

1.一种用于人体运动数据的特征提取方法，其特征在于，包括以下步骤：

1）利用单源加速度传感器采集人体运动时产生的信号数据，判断所述信号数据的有效性，并获得有效的信号数据；

2）提取所述信号数据中的异义信息，所述异义信息包括肌肉外部运动轨迹信号数据信息和肌肉内部振动信号数据信息；

3）针对所述异义信息进行特征提取，所述特征包括肌肉外部运动轨迹信号特征、肌肉内部振动信号特征以及组合特征，所述组合特征是指根据所述肌肉外部运动轨迹信号数据信息和所述肌肉内部振动信号数据信息获得的关联特征。

2.根据权利要求1所述的特征提取方法，其特征在于，所述步骤2）进一步包括：

针对所述信号数据执行低通滤波和数据清洗，获得肌肉外部运动轨迹信号数据信息；

针对所述信号数据执行带通滤波、数据清洗和个性化差异消除，获得肌肉内部轨迹信号数据信息；

其中，所述低通滤波的频率在10-20赫兹范围内波动；所述带通滤波的最低频率在5-15赫兹范围内波动，所述带通滤波的最高频率在100-150赫兹范围内波动。

3.根据权利要求2所述的特征提取方法，其特征在于，针对经所述带通滤波和数据清洗的所述有效数据，利用最大自主收缩值进行所述个性化差异消除，包括以下步骤：

将一系列运动作为标准运动，采集至少一组用户进行所述标准运动时的运动数据；

针对所述至少一组运动数据执行带通滤波和数据清洗获得至少一组有效运动数据；

将获得的有效运动数据中的最大值，或多组有效数据的最大值的平均值，作为最大自主收缩值；

利用所述最大自主收缩值执行归一化处理。

4.根据权利要求3所述的特征提取方法，其特征在于，利用所述最大自主收缩值执行归一化处理的公式如下：

其中，表示经过差异消除的肌肉内部振动信号数据，表示在数据清洗后的初始肌肉内部振动信号，是最大自主收缩值。

5.根据权利要求1所述的特征提取方法，其特征在于，所述步骤3）进一步包括：

31）针对所述异义信息，分别提取所述肌肉外部运动轨迹信号特征、肌肉内部振动信号特征；

32）针对所述异义信息，提取用于描述所述肌肉外部运动轨迹数据和所述肌肉内部振动数据之间的内在联系的组合特征；

33）利用所述步骤31）和所述步骤32）获得的特征获得最终特征。

6.根据权利要求5所述的特征提取方法，其特征在于，所述组合特征是肌肉募集能量系数特征，所述步骤32）进一步包括：

321）分别求取所述肌肉外部运动轨迹信号数据和所述肌肉内部振动信号数据的合加速度信号；

322）针对获得的所述合加速度信号进行积分运算，获得合速度值；

323）根据下述公式计算肌肉募集能量系数特征：

其中，是肌肉募集能量系数特征，用于表示单位肌肉外部运动距离下，与肌肉内部产生和存储的能量值成正相关关系，是表示与肌肉运动过程中持续产生和存储的能量值成正相关关系，是表示肌肉的外部运动距离，和分别为肌肉外部运动轨迹信号和肌肉内部振动信号的合速度值。

7.根据权利要求5所述的特征提取方法，其特征在于，所述步骤31）进一步包括：

311）针对所述肌肉外部运动轨迹信号数据执行特征提取，包括平均值、标准差、频域能量、频域熵；

312）针对所述肌肉内部振动信号数据执行特征提取，包括余弦相关性、标准差、平均功率频率、功率频谱密度、频域熵。

8.根据权利要求5所述的特征提取方法，其特征在于，所述步骤33）进一步包括：将所述步骤31）和所述步骤32）获得的特征数据执行串行的首尾相接的拼接处理，或在拼接处理后执行维度约减，获得最终特征。