一种基于压力传感器的人体运动识别方法研究[J].doc

文库下载 免费文档下载/本文档下载自文库下载网，内容可能不完整，您可以点击以下网址继续阅读或下载：/doc/bba2e804bed5b9f3f90f1cb9.html一种基于压力传感器的人体运动识别方法研究第卷第期年月仪器仪表学报一种基于压力传感器的人体运动识别方法研究石欣，熊庆宇，雷璐宁（重庆大学自动化学院重庆）摘要：不合适的运动量将会对锻炼身体产生不利影响，针对目前运动量测量方法和运动行为识别技术的种种问题，提出一种基于压力传感器运动识别系统，能区分常见运动行为。通过对压力数据的分析，提出一种新的特征提取方法，结合支持向量机实现对运动行为的识别。实验结果证明该方法具有较高的识别率和泛化性能。关键词：运动识别；压力传感器；特征提取；支持向量机中图分类号：文献标识码：国家标准学科分类代码：，（，）：，/doc/bba2e804bed5b9f3f90f1cb9.html，：；要穿鞋，因此将该装置的数据采集部分设计成鞋垫置于引言运动者鞋里。根据采集的压力数据，可以得到运动的距离、时间、总重量和总练习次数等等运动负荷，也可以得到每次练习的重量、速度、密度和动作的难度等等运动负荷强度。通过提取压力数据的特征值，可以得到不同运动行为的运动负荷和运动负荷强度，从而为测量运动者的运动量提供了新方法。随着我国社会经济的发展，人民生活水平的提高，健康问题越来越受到人们的重视。体育运动无疑为保持身体健康的一个主要途径，然而无论是体育锻炼还是运动训练都存在合理安排运动量的问题。运动量过大往往会对运动者，尤其是本身患有疾病的运动者的健康产生不利影响，而运动量过小则达不到锻炼的效果“。美国军医肯尼斯?库珀博士提出一种以脉搏率测定的方法来确定每个人在运动时的最佳运动量。然而，如何在每次运动时根据个人身体情况实时地调整运动强度和运动时间，控制运动量在最佳运动量范围内却成为难题。针对这一问题，本文提出一种基于压力传感器的运动识别方法，通过对运动者运动行为的检测与/doc/bba2e804bed5b9f3f90f1cb9.html识别，可实时掌握各种运动的强度与时间。考虑到大部分运动都需收稿日期：）：运动识别系统设计在设计系统硬件时，要求其具有以下主要特征：）需便于穿戴且为大众所能接受，因此要求传感器和电子部件不能改变传统鞋的重量和重力平衡，以免影响人的正常运动。所以希望在传统鞋的鞋垫中嵌入轻薄小巧的系统：）通过将无线接口传输到远程笔记本电脑或者其他主机，实时地研究用户的行为；）传感器安置在鞋垫，附基金项目：香港政府研究资助项目（，）、博士点基金（）资助项目万方数据仪器仪表学报第卷着在双足上，用于监测运动时在足底产生的压力。基于压力传感器运动识别系统的硬件装置结构包含个模块：压力采集模块、数据处理模块、无线通信模块和数据分析模块。如图所示。图基于压力传感器的运动识别系统构架￥压力采集模块压力采集模块设计成鞋垫放人鞋内，用于监测足底的压力。鞋垫由较薄的塑胶材料制成，在其朝向足底一面上安装个压敏电阻器（）：前脚掌中部和后脚掌中部各一个，如图所示。选用压敏电阻器（直径，厚）放置于前脚掌，而在后脚跟处放置压敏电阻器（直径，厚）进行实验。图压力采集模块://doc/bba2e804bed5b9f3f90f1cb9.htmlar数据处理模块数据处理模块采集从压力采集鞋垫模块获得的数据信息。该模块由一个基于微处理器的电路板组成，包含一个低功率、高性能的位微处理器，外围元件（电阻、电容等）和电源，如图所示。本文采用具有位分辨率的个输入通道，将压敏电阻器产生的模拟电压信息转换为数字数据。该微处理器的时钟频率为。所有电路的工作电压为，由分压器和一个锂电池提供。该模块简洁轻便，可以通过线路与压力采集鞋挚模块连接，并便于与用户的鞋子集成。基于微处理器的数据处理模块尺寸为，重量为。把该模块集成在用户鞋面处。无线通信模块无线通信模块的任务是将经过基于微处理器的数据处理模块处理后的数字数据实时地无线传输到后台。早期的鞋内数据采集系统有种主要的转换方法峥：一种是在快闪随机存储器中重组原始信息并在步态测试后利用并行端口下载到中进行深入研究；另一种方法是将万方数据图数据处理模块电路板数据通过串行端口直接传输出去。以上种方法均具有低传输误差，使得研究结果可靠。但它们也有一力反馈给患者。其次，数据采集系统与主机间的有线连在本文系统中，由于数字信息量小，可以采用高采样率的无线传输方式。因此，选取低功耗的无线电通信模块（其大小为）。无线电发射器和接收器分别与基于微处理器的数据处理模块和范围。的前向纠错处理实现了低误差率，使得整个系统可靠。无线通信模块把从压力传感器采集的数据传到计算机，经过计算机的数据处理，再用基于支持向量机的识别方法就能实时的判定实验者的运动行为。下面来介绍下数据分析所需的生理参数/doc/bba2e804bed5b9f3f90f1cb9.html和步态特征值：）定义实验者的基本生理参数每个实验者都有自身的生理参数，将采集步态检测系统中实验者的基本生理参数。实验者以立正站姿站立秒（站姿如图（）所特征值。生，一；（）实验者以直角坐姿坐几秒（坐姿如图（）所示，要求实验者躯干和大腿成。直角，小腿和大腿成。直角），所采集到的数据为。，定义为实验者的站姿压力特征值。二生，一乞吼（），定义为坐姿站姿压力比。总是小于。定的局限性。首先，它们不能实时地监测并将脚底的压接使得其在宽敞空问中的步态测试较为困难。后台相连。传输距离在无障碍情况下可以达到数据分析模块示），所采集到的数据为。，定义为实验者的站姿压力第期石欣等：一种基于压力传感器的人体运动识别方法研究（）（）图人体姿态示意图（）定义为站姿基准点。（一）（）定义日为坐姿基准点，为坐姿基准点调节系数。，（）称为站姿基准线，称为坐姿基准线。实验数据曲线与站姿基准线的交点称为站姿基准点屁，实验数据曲线与坐姿基准线的交点称为坐姿基准点。）步态特征值实验者步态体现出实验者的行/doc/bba2e804bed5b9f3f90f1cb9.html为，抽取实验者步态中的特征作为分辨实验者行为的依据。以一个传感器获得的个实验数据，来说明如何取步态特征值。首先我们定义步态特征点曰，曰为站姿基准点和坐姿基准点日的中点，为步频基准线。步频数量特征匠步频数量特征是计算在个实验数据绘出的曲线与为步频基准线的交点把个实验数据所分成的数据段个数。根据步频特征能判定实验者动、静状态。（），（）步频问隔特征，在个实验数据的段数据中，每段数据的间隔时间丁（）一（；）称为步频间隔。步频间隔特征：是时间段中步频间隔平均值。根据步频间隔特征：能获知运动量的频率特征。易（）一（），。（）步频间隔波动特征易步频间隔波动特征毛是时问段中的步频间隔的标万方数据准差。根据步频间隔特征岛能获知运动量的频率变化特征。（，）（）步频幅值特征在个实验数据绘出曲线的每段步频间隔中的最大值称为该段步频间隔的幅值。步频幅值特征日即是所有步频间隔的幅值之和。根据步频间隔特征可以获知运动量的运动强度特征。（，）。日。，。（）步频幅值波动特征臣步频幅值特征即是在个实验数据中所有步频间隔幅值以的标准差。根据步频问隔特征能获知运动量的运动强度变化特征。（，。）（）基于支持向量机的运动识别://doc/bba2e804bed5b9f3f90f1cb9.htmlpar通过压力传感器采集得到的压力数据无法直接进行运动状态识别，需对其进行分析处理。数据处理的目标是要通过一系列的特征值将人体运动状态分为站立、行走、跳跃和跑步。该分类问题实际上是一种多模式识别问题。支持向量机、神经网络均可用于模式识别，但与神经网络相比，与神经网络相比，支持向量机具有更坚实的数学理论基础，可以有效地解决有限样本条件下的高维数据模型构建问题，并具有泛化能力强、收敛到全局最优、维数不敏感等优点一。支持向量机（，）作为一种新的统计学习方法，已被广泛应用于各个领域。它是一种将非线性问题转化为高维空间中的线性问题来解决的方法，在非线性分类、函数逼近、模式识别等应用中有非常好的推广能力。因此本文基于支持向量机方法来实现人体运动状态识别。设训练样本输入为毛，对应的期望输出为一，（茗，儿），一，最优超平面由权值向量和常量确定，超平面方仪器仪表学报第卷程为：为使超平面对所有样本正确分类并且具备最大的分类间隔，要求其满足如下约束条件：茹，菇。一，一这即是一个关于和的二次最优化问题。咖寺酗（）一矗，采用拉格朗日乘子，将上述问题转化为一个“对偶”问题：。一址）善旷寺善（扎）【；儿，瑾式中：为惩罚因子，它是一个指定的常数，控制对错分样本的惩罚程度，越大表示对错误的惩罚越重/doc/bba2e804bed5b9f3f90f1cb9.html。非线性映射咖是通过核函数实现的，函数（；，）咖（鼍）?痧（菇，），若（；，髫，）满足条件，则有：一（）；旷寺荟嘴儿班（誓）。【；，啦设最优解为口（，：），根据最优化条件（条件），这个优化问题的解必须满足：，（。茗。）一，因此，对多数样本；将为零，取值不为零的瑾。，即当（加。气）。时，对应的样本即支持向量（），他们在几何上离最优超平面最近，求解上述问题，得到决策函数：只茹）印？，（。，茹）的核函数有多种，例如多项式核函数、径向基核函数、核函数等。但与其他常用核函数相比，径向基核函数具有能够将样本非线性地映射到更高维空间、数值限制条件少、具有较少的参数等优点，因此，本文选取径向基核函数进行实验。实验与结果分析数据采集与预处理以的采样频率，采集实验者双足下的个（每足个，如图所示，所示）压敏电阻器的压力信息，通过转换将其转换为数字信息后进行封装。这将有效地减小传递误差“。而后台计算机通过数据重组与校准来还原各传感器上的压力数据。万方数据压力传感器图压敏电阻器位置通过多次实验观察，分别完成行走、跑步和跳跃这类运动所需时间约为左右，因此将得到的压力数据分割为以每为一单位，计算该时间单位的特征向量。图为实验者在跑步状态下的原始压力曲线图。以该段曲线为例，计算得到其特征向量为：咖帅咖://doc/bba2e804bed5b9f3f90f1cb9.html氇?出姗采样点图跑步状态下的压力曲线图￥根据多次实验的观察，取立正站姿站立，直角坐姿坐，坐姿基准点调节系数，从而得到站姿基准线点和坐姿基准点，最后确定步态基准线。图分别为实验者在跑步状态下含步态基准线的左脚前掌，左脚后跟，右脚前掌，右脚后跟压力曲线图。左脚后跟，坦鼍靛茕幽幽。：！瑚咖啪咖瑚鲫姗伽姗嘞咖蚴啪呦枷瑚瑚咖：采样点第期石欣等：一种基于压力传感器的人体运动识别方法研究采样点采样点图跑步时各传感器压力曲线与步频基准线魂根据步态基准线以及节中提出的特征值提取方法，计算得到特征值如表所示。表特征值表曲/doc/bba2e804bed5b9f3f90f1cb9.html实验结果本文以站立、行走、跳跃、跑步种状态下各组压力曲线的特征向量作为训练样本，对模型进行训练。模型参数的选择至关重要。选择的核函数包含和惩罚因子两个参数，参数值的大小决定了模型的复杂性和训练误差。设，为输入数据的特征个数。若输入数据维数为，则。经过多次试验，发现值越大，则迭代次数越多，支持向量的数量越少，值的变化对训练误差造成的波动低于，同时考虑到过拟合问题，因此，选取进行实验。实验结果如表所示。表训练结果万方数据为验证模型的泛化性能，以实验者时间内运动状态的压力数据，如图所示，对训练好的模型进行测试，测试结果如表所示。誊：萎怖蓄：薹嗍咖咖采样点采样点右脚前掌右脚后跟，颦幽单穴幽瑚咖言砉苦锨觚铷翻蒜棚而善呦咖咖螂啪啪瑚珊瑚。硎删畔蕊腓吣唧赢删蕊嘣姗舯珊赢采样点采样点图测试用压力曲线：略￥表测试结果从表中可以看出，模型对于测试样本有较好的分析与识别能力，尤其是对于站立和跳跃这种状态的区分能力较好，而行走和跑步由于特征较为相似，因此识别率/doc/bba2e804bed5b9f3f90f1cb9.html相对较低，但其精度依然达到以上。实验证明该模型用于运动识别具有较好的准确度和泛化能力。结论本文结合微传感器、数据采集及无线通信等技术，利用安置在鞋底的压力传感器采集数据信息，并提出一种新的特征提取方法，结合支持向量机实现对运动行为的识别。实验结果证明该系统对运动者的运动行为识别具有较高的可靠性和准确性，可以为运动量的测量提供新的方法。参考文献，培，（）：仪器仪表学报第卷。：，（）：，：，（）：潘树和高血压病的预防保健及康复心血管康复医学杂志，（）：/doc/bba2e804bed5b9f3f90f1cb9.html，（）：一张宝慧运动对心脏康复的有益作用心血管康复医学杂志，（）：，（）：石欣，熊庆宇，雷璐宁基于压力传感器的跌倒检测系统研究仪器仪表学报，（）：。，（）：顾涵铮利用串行总线接口实现仪器的自动测试电子测量与仪器学报，（）：/doc/bba2e804bed5b9f3f90f1cb9.html，（）：林涛，邹黎华，耿勇男多类型多通道的数据采集系统设计电子测量与仪器学报，（增刊）：，?哆，（）：，：邓乃扬，田英杰数据挖掘中的新方法支持向量机北京：科学出版社，：，脚芎一：，：/doc/bba2e804bed5b9f3f90f1cb9.html小二乘支持向量机方法仪器仪表学报，（）：万方数据。，（）：周鸣争，汪军的多传感器信息融合算法仪器仪表学报，（）：，（）：，（），：，://doc/bba2e804bed5b9f3f90f1cb9.htmlar：，（），：，肥：，作者简介石欣。年于重庆大学获得硕士学位，现为重庆大学教师、博士研究生，主要研究方向为智能信息处理、模式识别等。：】妇熊庆宇，年于日本九州大学获得博士学位，现为重庆大学教授、博士生导师，主://doc/bba2e804bed5b9f3f90f1cb9.htmlr要研究方向为智能感知、计算智能与控制。：鲫，璐，雷璐宁，年于重庆大学获得硕士学位，现为蕈庆大学在读博士研究生，主要研究方向为智能控制与智能管理，机器学习等。：），汪晓东，张长江，张浩然，等传感器动态建模的最一种基于压力传感器的人体运动识别方法研究作者：作者单位：刊名：英文刊名：年，卷(期)：石欣， 熊庆宇， 雷璐宁， Shi Xin， Xiong Qingyu， Lei Luning重庆大学自/doc/bba2e804bed5b9f3f90f1cb9.html动化学院,重庆,400044仪器仪表学报CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT2010,31(6) 参考文献(15条) 1.PENEDO F J;DAHN J R Exercise and well-being:a review of mental and physical health benefitsassociated with physical activity外文期刊 2005(02)2.LOLAND N W Exercise,health,and aging 2004(02)3.张宝慧 运动对心脏康复的有益作用期刊论文-心血管康复医学杂志 2003(06)4.潘树和 高血压病的预防保健及康复 1998(04)5.BOUCHARD C;SHEPARD R J;STEPHENS T Exercise,fitness,and health:A consensus of current knowledge1991(05)6.TWF M;MORLOCK M Pressure distribution measurements in gait analysis:Dependency on measurementfrequency 19937.SCHULDT C;LAPTEV I;CAPUTO B Recognizing human actions:A local SVM