[发明专利]基于惯性传感器的步态特征提取和步态识别方法

权利要求书

1.基于惯性传感器的步态特征提取和步态识别方法，其特征在于：具体包括如下步骤：

步骤1，对步态信号进行预处理；

步骤2，对经步骤1处理后的步态信号进行步态关键点检测；

步骤3，根据步骤2的检测结果，提取步态周期特征向量；

步骤4，对步骤3提取的步态周期特征向量进行PCA-CCA特征融合；

步骤5，对经步骤4融合后的特征向量进行步态识别分类建模。

2.根据权利要求1所述的基于惯性传感器的步态特征提取和步态识别方法，其特征在于：所述步骤1的预处理过程为：对加速度和角速度数据进行滤波处理。

3.根据权利要求1所述的基于惯性传感器的步态特征提取和步态识别方法，其特征在于：所述步骤2的具体过程如下：

步骤2.1，基于矢状面角速度信号进行观测窗口划分；

步骤2.2，根据步骤2.1的窗口划分进行步态关键点检测。

4.根据权利要求3所述的基于惯性传感器的步态特征提取和步态识别方法，其特征在于：所述步骤2.1的具体过程如下：

对滤波后的矢状面角速度信号进行极大值检测，找出角速度的所有局部最大值点，以局部最大值点做为分割点对矢状面角速度数据进行观测窗口划分，脚着地和脚离地事件落在观测窗口内。

5.根据权利要求4所述的基于惯性传感器的步态特征提取和步态识别方法，其特征在于：所述步骤2.1中矢状面角速度信号的极大值检测过程如下：

步骤A，寻找滤波后的角速度最大值，记为ω_max；

步骤B，设置滑动窗口长度为重叠率为50％、fs为采样率、±1的目的是凑成奇数；

步骤C，滑动窗口的局部最大值需满足的条件为：窗口内的最大值大于0.5ω_max；

步骤D，滑动窗口每次记录下当前窗口的最大值，并和上一窗口的局部最大值进行比较；若当前窗口的最大值比上一窗口的最大值大，且两个窗口最大值之间的距离小于w_size，则将上一窗口的局部最大值清除，将当前窗口的局部最大值作为新的局部最大值；

步骤E，重复执行步骤C～D，当滑动窗口内的局部最大值小于等于0.5ω_max时，则跳转至步骤F；

步骤F，若当前窗口的局部最大值和上一窗口的局部最大值之间的距离大于w_size，则保留上一窗口和当前窗口的局部最大值；

步骤G，重复执行步骤C～F，直至检测过程结束。

6.根据权利要求3所述的基于惯性传感器的步态特征提取和步态识别方法，其特征在于：所述步骤2.2的具体过程为：将观测窗口划分为两个等长度的不重合的左右子窗口，左子窗口内的最小值对应为脚着地事件，右子窗口内的最小值对应为脚离地事件，在观测窗口内执行一个最小值查找，即可确定脚着地和脚离地这两个步态关键点。

7.根据权利要求3所述的基于惯性传感器的步态特征提取和步态识别方法，其特征在于：所述步骤3的具体过程如下：一个步态周期对应为两次脚着地关键点之间的时间，对于同一个步态周期内的加速度和角速度数据，提取均值、方差、标准差、幅值范围、偏度、峰度、和、能量、功率、支撑相比例、摆动相比例，即可获得原始加速度和角速度的步态特征向量。

8.根据权利要求3所述的基于惯性传感器的步态特征提取和步态识别方法，其特征在于：所述步骤4的具体过程为：

步骤4.1，对合成加速度和矢状面角速度提取到的特征向量进行标准化；

步骤4.2，使用PCA对加速度和角速度特征向量进行降维；

步骤4.3,对降维后的加速度和角速度特征向量进行CCA特征融合。

9.根据权利要求3所述的基于惯性传感器的步态特征提取和步态识别方法，其特征在于：所述步骤5的具体过程为：利用支持向量机、神经网络、逻辑回归算法对融合后的特征向量进行步态识别的分类建模。