[发明专利]一种基于惯性传感器的无特征人体运动识别方法

摘要

本发明提供了一种基于惯性传感器的无特征人体运动识别方法，该方法包括以下步骤：(1)将惯性测量单元固定在人体腰部的正后方，采集6种运动形式(包括静止站立、走、跑、跳跃、上楼梯、下楼梯)的惯性数据；(2)对惯性数据进行预处理；(3)利用过零检测法对数据进行单周期分割(4)将分割后的惯性数据生成JPEG图像；(5)将生成的图像作为输入，使用迁移学习方法，重新训练Google提供的Inception V3模型；(6)修改Inception V3模型的最后一层全连接层，生成无特征人体运动分类器。本发明省去了人工提取特征的繁琐过程，将惯性数据生成图像，由CNN网络自动提取特征并生成分类器，不仅可以节约时间、人力成本，还可以避免因分类特征选择不当而带来的识别率低的问题。

主权项

1.一种基于惯性传感器的无特征人体运动识别方法，其特征在于：包括以下步骤：步骤1，将MEMS IMU固定在人体腰部正后方，传感器的X轴正方向向前，Y轴正方向向左，Z轴正方向向上，采集并记录人体在6种形式下的三轴加速度计和三轴陀螺仪数据，运动形式包括静止站立、慢走、跑步、跳跃、上楼梯和下楼梯。为了保证数据的一般性，选择多人进行数据采集，考虑在性别、身高、体重、年龄方面均有所区别。步骤2，对采集的惯性数据进行预处理，利用巴特沃斯低通滤波器对数据进行低通滤波，消除高频噪声，其中，设置滤波器的截止频率为10Hz，阶次n为8。步骤3，利用过零检测法对数据进行单周期分割，以初始时刻的数值为相对零点，将以下降趋势通过相对零点的时刻记为单周期开始时刻，寻找并记录数据中的所有开始时刻点，利用这些开始时刻点将数据进行周期分割，并分别单独存储。步骤4，将步骤3中分割得到的所有单周期数据，进行重新采样，得到长度为250个点的新数据，然后分别单独绘制在470*470像素的图像上，其中，对于传感器X,Y轴轴向的加速度计数据，设置图像Y轴的范围为±20m/s2，对于传感器Z轴轴向的加速度计数据，设置图像Y轴的范围为±50m/s2；对于传感器的陀螺仪数据，设置图像Y轴的范围±600deg/s。步骤5，将步骤4中生成的图片按类别存在，并分别赋予类别标签，然后选择80％的图片作为训练样本，采用迁移学习的方法，对谷歌提供的已经训练好的Inception‑v3模型进行再一次训练，设置学习率为0.01，训练步数为4000步，训练批次大小为100，最后根据训练正确率、验证正确率和交叉熵来判断训练的结果。步骤6，修改步骤5中训练好的Inception V3模型的最后一层，全连接层，生成人体运动分类器。