一种人体姿态检测识别系统及方法

1.本发明属于人体姿态识别领域，特别是涉及一种人体姿态检测识别系统及方法。


背景技术：

2.随着社会的进一步发展，人口老龄化现象正在逐步加剧，在未来的很长一段时间内，人口老龄化现象将持续存在，老年人的人口数量将持续增长，越来越多的人开始关注老年人的身体健康问题。老年人摔倒现象经常发生，老年人摔倒后经常造成严重后果，摔倒是造成老年人受伤甚至死亡的重要原因之一，每年因为老年人跌倒而造成的扭伤、骨折甚至死亡的事件都有很多例，其中因为发现不及时而造成严重的事故更占了一大部分，因此，对老年人的身心健康监测与医疗保障系统的发展将刻不容缓。
3.近年来，随着微型电子元件的发展，传感器得到了巨大的提高，尺寸逐渐变小，精度逐渐提高，价格逐渐降低，这些特性使得可穿戴设备获得了巨大的发展潜力。同时，微电容、新型材料、无线传输技术的快速发展，也为可穿戴设备提供了更多的技术支持。除此之外，物联网技术以及发展为21世纪最强的通讯技术之一。如今，物联网技术已经广泛应用于人们的日常生活中，例如手机通讯、家用电器、医疗设备等。物联网技术也为可穿戴人体姿态检测设备与手机通讯之间提供了技术支持，方便了我们及时与设备交互。


技术实现要素：

4.本发明的目的是提供一种人体姿态检测识别系统及方法，以解决上述现有技术存在的问题。
5.一方面为实现上述目的，本发明提供了一种人体姿态检测识别系统，包括依次连接的数据采集模块、传输处理模块、姿态解算模块、姿态识别模块；
6.所述数据采集模块用于获取人体运动数据；
7.所述传输处理模块用于对所述人体运动数据进行预处理，获取姿态坐标数据，并将所述姿态坐标数据进行传输；
8.所述姿态解算模块用于根据所述姿态坐标数据进行姿态解算，获取人体姿态；
9.所述姿态识别模块用于对所述人体运动数据进行特征提取，获取精确人体姿态。
10.可选地，所述人体运动数据包括加速度值和原始陀螺仪值，所述数据采集模块包括加速度传感器与陀螺仪，所述加速度传感器与所述陀螺仪的数量均为一，且设置于人体腹部位置；所述加速度传感器与所述陀螺仪分别用于获取所述加速度值和所述原始陀螺仪值。
11.可选地，所述姿态坐标数据包括重力加速度与角速度值，所述角速度值包括俯仰角速度、偏航角速度、滚转角速度；所述传输处理模块将所述人体运动数据中的加速度值转换为所述重力加速度，将所述人体运动数据中的原始陀螺仪值转换为所述角速度值。
12.可选地，所述人体姿态包括直立状态、平躺状态；所述姿态解算模块通过构建余弦矩阵并基于四元数表示所述余弦矩阵，获取四元数余弦矩阵；对所述姿态坐标数据中的重
力加速度进行归一化，获取实际重力加速度；根据所述四元数余弦矩阵与所述实际重力加速度获取机位坐标系下的重力单位向量；对所述姿态坐标数据中的角速度值进行积分，获取推算重力向量；根据向量叉乘对所述推算重力向量与重力单位向量的误差进行计算，获取重力误差，并根据所述重力误差对所述角速度值进行补偿；根据补偿后的角速度值，采用一阶龙哥库塔求解所述四元数余弦矩阵；将求解后的四元数余弦矩阵转化为姿态欧拉角，并根据所述姿态欧拉角获取所述人体姿态。
13.可选地，所述精确人体姿态包括坐下、站立、行走；所述姿态识别模块对所述人体运动数据提取特征值，所述特征值包括最大加速度、最小加速度、加速度极差、平均加速度、加速度方差；
14.根据所述加速度方差区分所述精确人体姿态中的坐下与站立，并根据所述加速度极差区分所述精确人体姿态中的站立与行走。
15.另一方面为实现上述目的，本发明提供了一种人体姿态检测识别方法，包括以下步骤：
16.获取人体运动数据；
17.对所述人体运动数据进行预处理，获取姿态坐标数据；
18.基于所述姿态坐标数据进行姿态解算，获取人体姿态；
19.对所述人体运动数据进行特征提取，获取精确人体姿态。
20.可选地，所述人体运动数据包括加速度值和原始陀螺仪值；
21.获取所述人体运动数据的过程包括：
22.分别基于加速度传感器与陀螺仪获取所述加速度值和所述原始陀螺仪值。
23.可选地，所述姿态坐标数据包括重力加速度与角速度值，所述角速度值包括俯仰角速度、偏航角速度、滚转角速度；对所述人体运动数据进行预处理的过程包括：
24.将所述人体运动数据中的加速度值转换为所述重力加速度，将所述人体运动数据中的原始陀螺仪值转换为所述角速度值。
25.可选地，所述人体姿态包括直立状态、平躺状态；
26.基于所述姿态坐标数据进行姿态解算的过程包括：
27.构建余弦矩阵并基于四元数表示所述余弦矩阵，获取四元数余弦矩阵；
28.对所述姿态坐标数据中的重力加速度进行归一化，获取实际重力加速度；
29.基于所述四元数余弦矩阵与所述实际重力加速度获取机位坐标系下的重力单位向量；
30.对所述姿态坐标数据中的角速度值进行积分，获取推算重力向量；
31.基于向量叉乘对所述推算重力向量与重力单位向量的误差进行计算，获取重力误差，并基于所述重力误差对所述角速度值进行补偿；
32.基于补偿后的角速度值，采用一阶龙哥库塔求解所述四元数余弦矩阵；
33.将求解后的四元数余弦矩阵转化为姿态欧拉角，基于所述姿态欧拉角获取所述人体姿态。
34.可选地，所述精确人体姿态包括坐下、站立、行走对所述人体运动数据进行特征提取的过程包括：
35.对所述人体运动数据提取特征值，所述特征值包括最大加速度、最小加速度、加速
度极差、平均加速度、加速度方差；
36.基于所述加速度方差区分所述精确人体姿态中的坐下与站立，基于所述加速度极差区分所述精确人体姿态中的站立与行走。
37.本发明的技术效果为：
38.本发明通过欧拉角与状态矩阵对人体姿态进行了特征分析，进而利用均值、方差等特征值对站立、坐、躺、行、走等人体姿态进行辨别，基于欧拉角与阈值辨别算法识别人体姿态解析与识别的功能。同时实现了远程检测和识别人体姿态的功能，对老年人居家健康监控具有积极的现实意义。
附图说明
39.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
40.图1为本发明实施例中的人体姿态检测识别系统结构图；
41.图2为本发明实施例中的一次坐标变换示意图；
42.图3为本发明实施例中的站立时姿态角数据图；
43.图4为本发明实施例中的坐下时姿态角数据图；
44.图5为本发明实施例中的躺下时姿态角数据图；
45.图6为本发明实施例中的站立时加速度数据图；
46.图7为本发明实施例中的坐下时加速度数据图；
47.图8为本发明实施例中的行走时加速度数据图；
48.图9为本发明实施例中的互补滤波算法流程图；
49.图10为本发明实施例中的人体姿态检测识别方法流程图。
具体实施方式
50.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
51.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
52.实施例一
53.如图1所示，本实施例中提供一种人体姿态检测识别系统，依次连接的数据采集模块、传输处理模块、姿态解算模块、姿态识别模块；具体地：
54.mpu60x0是全球第一例集成了6轴运动处理组件的设备。mpu6050中集成了一个3轴mems陀螺仪和一个3轴mems加速度计还有一个可拓展的数字运动处理器dmp(digital motion processor)。其中dmp内置卡尔曼滤波算法，可以获取陀螺仪和加速度传感器的数据，并处理输出四元数。通过i2c可以读取mpu6050的六个数据(3轴加速度、3轴角速度)和四元数。mpu-6050对陀螺仪和加速度计传感器的测量范围也可以根据用户的需求通过程式控制，3轴角速度感测器(陀螺仪)的全格感测范围为
±
250、
±
500、
±
1000、
±
2000dps，3轴加速度计的可程式控制测量范围为
±
2、
±
4、
±
8、
±
18g。
55.传感器的数量对于检测人体姿态的结果会造成一定影响，人体姿态检测识别所应有的传感器数量选择有两种方式，一种是单传感器，另一种是多传感器，多传感器容易造成数据冗杂，并且相对于的穿戴设备将会变得复杂并且造价会提高。本设计的目的在于检测并识别出简单的人体姿势，例如站立、坐、躺、行走与跌倒，因此本设计采用单传感器的方式。
56.通过初始化mpu6050传感器，设置三轴陀螺仪传感器的测量范围为
±ꢀ
2000dps，设置三轴加速度传感器的测量范围为
±
2g，采样率为50hz。通过内部编程设置数字低通滤波器4hz，数据采集模块通过i2c通讯获得原始陀螺仪值和加速度值。
57.传输处理模块通过转换处理可以将原始加速度值转换为重力加速度，将原始陀螺仪值转换为角度。
58.转换后的结果为，加速度处理后的结果单位为
±
g，加速度测量范围为
±
4g/s，转换关系为8192lsb/g,即1g对应读数为8192。陀螺仪处理后的结果单位为
±
g，陀螺仪测量范围为
±
500
°
/s，转换关系为65.5lsb/
°
，即1
°
/s对应读数为65.536。实际应用时需用加速度乘以0.0174533f，目的在于转换为重力加速度。
59.姿态解算模块根据所述姿态坐标数据进行姿态解算，获取人体姿态，具体地：
60.如图2显示的是一次坐标变换，经过坐标变换后，z坐标没有发生变化。如果三维空间中的欧拉角要旋转三次，可以得到一个表示旋转的方向余弦矩阵。
61.通过欧拉角解算姿态，需要套用微分方程，但是微分方程的计算包含了大量的三角函数计算与反三角函数计算，计算过程非常复杂，计算量大。而四元数法则只需要求解四元数的线性微分方程组，计算过程简单且计算量小。因此用四元数表示方向余弦矩阵。
62.如图9所示，这里用到了互补滤波算法，即给传感器获得的值和预测值加权。
63.用四元数法首先需要把加速度传感器采集到的值归一化，即向量除以模，输入参数为陀螺仪数据gx、gy、gz和加速度数据ax、ay、az。
64.第二步需要把方向余弦矩阵中第三行的三个元素vx、vy、vz用四元数表示，即将四元数换算为机位坐标系下的重力单位向量。
65.第三步需要在机位坐标系下做向量叉积得到补偿。其中，ax/ay/az是在机位坐标系下传感器实践测量出来的重力向量，vx/vy/vz是通过陀螺积分后的姿态推算出来的重力向量。他们之间的误差就是陀螺积分后的姿态和传感器测出来的姿态之间的误差。向量之间的误差，可以用向量叉乘表示，而且向量叉乘的大小与积分误差成正比，可以用向量叉乘对误差进行 pi计算，补偿角速度。
66.第四步求解四元数微分方程，其中t为测量周期，在此使用了一阶龙哥库塔求解四元数微分方程，并更新了新的四元数，最后根据四元数矩阵和欧拉角的转化关系，用四元数反解欧拉角，获取表示人体直立或平躺的姿态欧拉角。
67.经过数据预处理后可以得到转换到机位坐标系下的欧拉角及加速度与角速度。通过对以上数据的分析就可以识别出简单的人体姿态。经过实验，可以获得姿态角在不同人体姿态情况下的数据，如图3-5所示。
68.通过姿态角可以发现，在站立、坐下、躺下这些动作中，姿态角的变化非常稳定，并且数值保持在特定的范围中，因此姿态角可以用作区分人体直立状态和平躺状态的有效特征值。而直立状态又分为站立、坐下、行走，因此需要提取其他特征值来判断。为准确识别人
体姿态，提高准确率，需要对加速度数据提取最大值、最小值、极差、平均值、方差等特征值。
69.平均值mean可以判断出数据变化强度。
70.方差var可以反映出数据偏移平均值的波动程度。方差越大，则表示用户的动作幅度越大。
71.极差m可以反映出一段时间内数据变化的最大范围。
72.通过实验可以很容易的获得用户在站立、坐下、行走状态下的加速度数据。
73.由图6-8中的实验数据可知，站立时竖直方向加速度呈稳定变化，当坐下时，竖直方向的加速度将会发生变化，同时当站起时竖直方向的加速度也会发生变化。由此通过竖直方向上的加速度数据的极差与方差可以区分站立与坐下两种姿态。
74.在行走过程中，可以发现前进方向上面的加速度变化比较频繁，可以通过前进方向加速度的方差进行识别。与此同时，当行走时侧向的角速度也会呈现规律性变化，可作为识别行走状态的有效特征值。
75.实施例二
76.如图10所示，本实施例中提供一种人体姿态检测识别方法，包括：
77.获取人体运动数据；
78.对所述人体运动数据进行预处理，获取姿态坐标数据；
79.基于所述姿态坐标数据进行姿态解算，获取人体姿态；
80.对所述人体运动数据进行特征提取，获取精确人体姿态。
81.可选地，所述人体运动数据包括加速度值和原始陀螺仪值；
82.获取所述人体运动数据的过程包括：
83.分别基于加速度传感器与陀螺仪获取所述加速度值和所述原始陀螺仪值。
84.作为本技术的一种较佳实施方式，所述姿态坐标数据包括重力加速度与角速度值，所述角速度值包括俯仰角速度、偏航角速度、滚转角速度；对所述人体运动数据进行预处理的过程包括：
85.将所述人体运动数据中的加速度值转换为所述重力加速度，将所述人体运动数据中的原始陀螺仪值转换为所述角速度值。
86.作为本技术的一种较佳实施方式，所述人体姿态包括直立状态、平躺状态；
87.基于所述姿态坐标数据进行姿态解算的过程包括：
88.构建余弦矩阵并基于四元数表示所述余弦矩阵，获取四元数余弦矩阵；
89.对所述姿态坐标数据中的重力加速度进行归一化，获取实际重力加速度；
90.基于所述四元数余弦矩阵与所述实际重力加速度获取机位坐标系下的重力单位向量；
91.对所述姿态坐标数据中的角速度值进行积分，获取推算重力向量；
92.基于向量叉乘对所述推算重力向量与重力单位向量的误差进行计算，获取重力误差，并基于所述重力误差对所述角速度值进行补偿；
93.基于补偿后的角速度值，采用一阶龙哥库塔求解所述四元数余弦矩阵；
94.将求解后的四元数余弦矩阵转化为姿态欧拉角，基于所述姿态欧拉角获取所述人体姿态。
95.作为本技术的一种较佳实施方式，所述精确人体姿态包括坐下、站立、行走对所述
人体运动数据进行特征提取的过程包括：
96.对所述人体运动数据提取特征值，所述特征值包括最大加速度、最小加速度、加速度极差、平均加速度、加速度方差；
97.基于所述加速度方差区分所述精确人体姿态中的坐下与站立，基于所述加速度极差区分所述精确人体姿态中的站立与行走。
98.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的方法而言，由于其与实施例公开的系统相对应，所以描述的比较简单，相关之处参见系统部分说明即可。
99.以上所述，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。