[发明专利]一种用于机器学习的步态采集标签模块及其步态采集方法

说明书

本发明公开一种用于机器学习的步态采集标签模块及其步态采集方法，包括二组步态数据收集装置，每组步态数据收集装置包括两个动作传感器和一个嵌入式芯片，每组中的两个动作传感器采集步态数据并将其发送到对应的嵌入式芯片，嵌入式芯片中，利用特定算法求解出当前的步态数据，根据数据的周期规律判断是否为有效步态数据并将其通过网络发送到电脑。本发明根据周期性为数据打上动作标签的方式，减少了人工打标签时的费时费力，同时也确保了打标签的准确性。

技术领域

本发明涉及康复医疗领域，更具体地说，是一种用于机器学习的步态采集标签模块及其步态采集方法。

背景技术

当前关于步态的一个机器学习多数以拍照或者拍视频来捕抓动作，后期需要人们来分析处理这些动作的周期规律，并为这些步态动作人工打上标签，用于机器学习。在这一过程中，突出的缺点有以下两点。一是当拍照或者拍视频捕抓到步态动作后，需要人来判断一个动作的完整性，那么这个判断的误差就会很大，从而无法比较准确的确定一个完整的步态动作。二是这些步态动作采集后需要通过人工来为其打上标签，这样才能用于机器学习。打标签这一过程非常的耗时耗力。

发明内容

为解决以上现有技术存在的问题，本发明提出一种用于机器学习的步态采集标签模块及其步态采集方法，可有效进行步态数据采集，数据分类分析，打标签以及机器学习这一过程。

本发明可通过以下技术方案予以解决：

一种用于机器学习的步态采集标签模块，包括二组步态数据收集装置，每组步态数据收集装置包括两个动作传感器和一个嵌入式芯片，所述每组中的两个动作传感器采集步态数据并将其发送到对应的所述嵌入式芯片，所述嵌入式芯片中，利用特定算法求解出当前的步态数据，根据数据的周期规律判断是否为有效步态数据并将其通过网络发送到电脑。

其中，所述特定算法为利用卡尔曼滤波算法以及欧拉公式推导三角函数，解出当前步态的运动的角度和加速度。

其中，在所述电脑中，把接收到的两组有效步态数据进行整合，找出这两组数据的周期规律，并确定左右步的数据，从左右步周期起点开始，为动作周期的数据打上标签，直到周期结束，最后形成一个标签集，再将这些打好标签的数据进行存储。

本发明还提出一种根据以上所述的用于机器学习的步态采集标签模块实现的步态采集方法，包括以下步骤：

1)每组中的两个动作传感器采集步态数据并将其发送到所述嵌入式芯片；

2)所述嵌入式芯片中，利用特定算法求解出当前的步态数据，判断步态数据是否有周期性，并将有周期性的步态数据发送到电脑，如否，回到步骤1)继续进行步态数据采集；

3)在所述电脑中，把接收到的两组有周期性的数据进行整合，给定起始左右步，并确定动作开始周期，然后打上左步或右步的标签，直至周期结束；

4)确定下一动作周期，打上与上一次相反的步态标签，直至周期结束，

5)确定是否符合结束条件，结束时，将所有打好标签的数据进行存储。

其中，所述特定算法为利用卡尔曼滤波算法以及欧拉公式推导三角函数，解出当前步态的运动的角度和加速度。

其中，符合结束条件为当步态采集回来的数据不再变化，即停止走动的时候，判断为数据采集结束。

有益效果

在判断步态动作方面，采用的是动作传感器来连续的采集数据，动作的完整性得以数据的形态表现出来，而数据是可以确保动作的准确性。因此它可以避免人为误判导致的步态动作的不完整或者以拍照、拍视频捕抓步态动作后进行处理得到数据的模糊性。在方便机器学习方面，采用数据传回嵌入式芯片进行分析处理，然后回传到电脑中再次分析处理，发现动作的周期规律，根据周期性为数据打上动作标签的方式，减少了人工打标签时的费时费力，同时也确保了打标签的准确性。