[发明专利]一种基于动态时间规整的运动模式识别方法

说明书

本发明提供了一种基于动态时间规整的运动模式识别方法，离线阶段用惯性测量单元采集不同运动模式下的惯性数据，并对数据进行单周期分割生成运动模式模板。在线阶段采用动态时间规整算法生成人体运动模式分类器。本发明无需人工提取运动特征，避免了因特征选择不当带来的分类误差，并且计算简单，对便携式设备友好。

技术领域

本发明属于位置服务和人体运动模式识别领域，特别是涉及一种基于惯性测量单元采集加速度和动态时间规整算法，并根据所测加速度数据提出一种人体运动模式识别方法。

背景技术

随着移动互联网技术的迅猛发展，基于位置服务的需求与日俱增。基于行人航位推算的定位技术是利用小型轻质样式的惯性传感器实现行人导航定位的一种新兴手段。行人航位推算主要包括航向角解算、步频检测、步长估计三个关键问题。

步长估计一般采用采用固定步长经验模型或者基于加速度幅值的计算模型。但是由于人体运动模式的不同，传统的步长估计模型会造成很大定位偏差。基于人体运动模式识别的步长估计方法，根据不同的运动模式给出不同的步长估计，从而提高定定位精度。

人体运动模式识别主要包含特征提取和模式匹配两个关键问题。目前使用的模式匹配方法多为最近邻、支持向量机、朴素贝叶斯、神经网络等较为复杂的算法。上述算法计算复杂，而且需要大量训练样本提取样本特征。而特征提取不当会造成分类器精度降低。对于便携设备上述算法会占用大量处理器资源，可行性不强。

发明内容

本发明的目的是提供一种运动模式识别的方法，实时采集待识别对象的加速度数据，通过动态时间规整算法自动匹配待识别对象的运动模式。

本发明提供了一种运动识别的方法，对待识别对象的运动模式进行运动匹配，具有这样的特征，包含：惯性测量单元实时采集识别对象的运动数据；对待识别对象的运动模式匹配为步行模式，跑步模式，使用模式，楼梯模式，电梯模式，所述步行模式与跑步模式包括手持便携设备以及便携设备置于口袋两种状态；所述使用模式包括接打电话、发短信等操作状态。

本发明所采用的技术方案包括以下步骤:

步骤1：用惯性测量单元采集不同运动模式下的三轴加速度原始数据；

步骤2：对步骤1所得数据进行低通滤波预处理，并利用峰值检测法对所得数据进行单周期分割；

步骤3：对步骤2所得数据进行求平方，即获得加速度数据矩阵；

步骤4：反复进行步骤1-3多次以确定不同运动模式下加速度数据模板矩阵；

步骤5：使用步骤1所述方法采集待识别样本，使用步骤2、3所述方法对该数据进行处理，再使用动态时间规整算法将待识别数据与步骤4所得模板进行对比，实现运动模式识别。

与现有技术相比，本发明的有益效果是：

加速度数据采取平方处理，降低因设备倒置产生的识别误差；

采用动态时间规整算法进行模版匹配，省却了传统模式识别方法中特征筛选提取的步骤，降低因特征提取不当造成的误差，同时节省人力物力，易于程序移植与应用；

基于本发明运动识别方法，可进一步为行人航位推算提供运动模式约束，便于步长估计，提高定位效果。

附图说明

图1为本发明运动模式识别流程图；

图2为本发明实施例的手持终端行走模式加速度样本图；

图3是本发明实施例的DTW算法累计矩阵路径示意图；

具体实施方式