[发明专利]人体运动模型的自主进化方法

权利要求书

1.一种人体运动模型的自主进化方法，其特征在于，包括如下步骤：

(1)传感器系统的时空配准；

(2)传感器系统的拓扑佩戴；

(3)数据采集与数据处理；

(4)运动模型参数的获取；

(5)新运动模型参数的合成；

(6)新运动模型参数的筛选；

所述传感器系统包括ARM/DSP/FPGA平台至少之一和加速度计、陀螺仪、磁力计、北斗信号接收机，所述传感器系统用于采集人或其它载体运动加速度、速度和姿态；

所述数据采集和数据处理为采集和处理传感器系统中加速度计、陀螺仪和磁力计的加速度、角速度和磁场强度，进而得到人体的三维加速度、三维速度和三维姿态信息；

所述运动模型参数的获取为对步骤(3)中数据采集和数据处理后得到的三维加速度、三维速度和三维姿态信息提取加速度、速度和姿态大小、方向以及其内部关系的语义化表达；

所述新运动模型参数的合成为对步骤(4)中运动模型参数的获取得到的加速度、速度和姿态大小、方向以及其内部关系的语义化表达进行合成得到新运动模型参数；具体地，所述新运动模型参数通过合成规则进行合成，所述合成规则包括，合成规则1：参数线性叠加规则，即将子运动模型所对应的各个参数的加速度、速度进行矢量相加，姿态进行矢量相加再求模，语义化属性进行布尔代数的‘或’操作，所述子运动模型是指用于合成新的运动模型所用到运动模型；合成规则2：参数局部化随机规则，即将部分参数的属性叠加一个随机小量；合成规则3：参数的乘法规则，即分别对加速度、速度进行矢量相乘，对姿态所对应的空间矢量进行相乘，对语义化的属性进行布尔代数的‘与’操作；

所述新运动模型参数的筛选为对步骤(5)中新运动模型参数的合成得到的新运动模型参数进行筛选；具体地，所述新运动模型参数通过筛选规则进行筛选，所述筛选规则是指事先确定所需要模型的参数属性范围，在合成的新模型中寻找参数符合预定参数范围的参数，筛选规则包括，筛选规则1：模值阈值方差最小匹配规则，即对加速度、速度、姿态这些属性与相应预设的属性求差，计算方差，并选出方差最小的属性作为备选属性；筛选规则2，语义模糊匹配规则，即对语义属性进行模糊匹配，得到语义属性中属性与预设属性最为接近的属性作为备选属性。

2.根据权利要求1所述的人体运动模型的自主进化方法，其特征在于，步骤(1)所述的时空配准是指将加速度计、陀螺仪和磁力计的校准误差、姿态误差、位置误差和定时误差补偿到统一的时空框架内；所述时空框架包括时间框架和空间框架，所述时间框架采用北斗授时，所述空间框架采用CGCS2000坐标系。

3.根据权利要求1所述的人体运动模型的自主进化方法，其特征在于，步骤(2)所述的拓扑佩戴是指在人体的典型部位佩戴传感器系统，所述典型部位包括脚面、脚踝、小腿、腰部、手腕、头部。

4.根据权利要求1所述的人体运动模型的自主进化方法，其特征在于，步骤(3)所述的数据处理是指用互补滤波、卡尔曼滤波方法处理来自加速度计、陀螺仪和磁力计的原始数据，进而得到人体的三维加速度、三维速度和三维姿态信息；所述原始数据为传感器系统所采集的加速度、角速度和磁场强度。

5.根据权利要求1所述的人体运动模型的自主进化方法，其特征在于，步骤(4)所述的运动模型包括走、跑、停、侧移、上下楼梯；步骤(4)所述的运动模型参数是指加速度、速度和姿态的大小、方向，以及其内部关系的语义化表达。

6.根据权利要求1所述的人体运动模型的自主进化方法，其特征在于，步骤(4)所述的运动模型参数是在获取大量三维加速度、三维速度和三维姿态样本数据之后，利用弱分类器权重可变的集成学习方法获取，所述弱分类器权重可变的集成学习方法是指设计许多弱分类器hi(x)，通过训练集的训练，得到各分类器的权重Wi(x)，并按照式(1)将各弱分类器联合在一起，实现一个集成分类器的方法，

H(x)＝sign(∑Wi(x) hi(x)) (1)。

7.根据权利要求1所述的人体运动模型的自主进化方法，其特征在于：三个所述合成规则每次执行的顺序随机。