[发明专利]一种人体运动状态检测系统及检测方法

说明书

技术领域

本发明涉及人体运动状态检测领域，具体涉及一种人体运动状态检测系统及检测方法。

背景技术

人体运动状态检测，是希望通过计算机收集、分析数据，智能地识别人体当前的运动状态，从而做到了智能识别、智能记录。现有一种人体运动状态检测方法，需要在实验室给人体固定多套设备，如加速度传感器、方向传感器等，组合成一个传感网络，通过收集加速度值和方向改变值，从而识别人体运动状态。另一种人体运动状态检测方法，需要在人的四肢以及头部固定有标志物，在有摄像头的前面进行活动，通过摄像头把画面输入计算机，在计算机内通过图像识别标志物的方法，达到识别人体运动状态的效果。

以上两种识别和检测方法，都有耗材繁琐，环境要求苛刻，不适宜大规模使用，不适宜在日常生活推广的弊端。

发明内容

为了解决现有识别和检测方法都有耗材繁琐，环境要求苛刻，不适宜大规模使用，不适宜在日常生活推广的弊端的技术问题，本发明提供一种人体运动状态检测系统及检测方法。

为实现上述目的，本发明的技术方案如下：

一种人体运动状态检测系统，其特征在于包括：系统数据接口，由对应的手机操作系统API提供，可以通过编程获取相应的数据；手机传感器模块；人体运动数据采集模块，所述人体运动数据采集模块，与系统数据接口和手机传感器模块连接的人体运动数据采集模块，用于获取人体的相关运动参数；数据处理模块，用于对人体运动数据采集模块获取到的数据进行插值，保证传感器获取到的加速度值和方向值存在唯一对应的时间点；数据归一化映射模块，用于通过三角函数关系式，把数据处理模块处理后加速度值和方向值映射到标准的三维坐标系上；运动状态匹配模块，与运动状态匹配模块连接的样本库训练模块和运动状态判别模块；用于对数据归一化映射模块中映射到标准的三维坐标系上的数据进行分析，通过与样本数据库对比，判断出人体当前的运动状态；

作为上述技术方案的进一步改进所述人体运动数据采集模块包括手机终端上的加速度传感器和方向传感器。

作为上述技术方案的进一步改进，所述数据处理模块包括：数据插值模块，利用插值算法估算人体运动状态的加速度参数和方向参数在相应时间点上的近似值，从而得到更为完整的运动参数；时间单元划分模块，根据预先设定的时间段长度划分时间单元。

作为上述技术方案的进一步改进，所述运动状态匹配模块包括：状态样本库训练模块，通过确定特定的运动状态，如跌倒、跑步等运动状态，对每一种特定的运动状态进行加速度序列采样，利用SVM算法对加速度序列进行分类和检测，从而训练出一个标准样本库；运动状态判别模块，将每一个特定时间段内的加速度序列输入样本库进行匹配，找出与原先运动状态最相似的运动状态，进一步判定当前时间段的运动状态。

作为上述技术方案的进一步改进，所述加速度传感器获取到的加速度数据包括x轴加速度值、y轴加速度值和z轴加速度值。

作为上述技术方案的进一步改进，所述方向传感器获取到的方向包括手机x轴与水平面的夹角、手机y轴与水平面的夹角和手机y轴水平面上的投影与正北方向的夹角。

除提供的系统外，本发明还提供一种人体运动状态检测系统方法，其特征在于包括：

步骤1，人体运动数据采集处理，通过手机传感器获取人体运动数据，当人体状态发生变化时，传感器就会自动记录加速度值和方向值；

步骤2，运动数据处理：对步骤1中获取到的数据进行插值使得数据均匀化，再利用三角函数关系式将各个方向的加速度数据映射到标准坐标系上，并以此作为状态判别的参数；

步骤3，训练状态样本库处理，对每一种特定的运动状态进行加速度序列采样，利用SVM算法对加速度序列进行分类和检测；

步骤4，运动状态判别处理，根据步骤2中得到的标准坐标系上的参数，与步骤3）中得到的样本库进行匹配，从而确定人体当前的运动状态。

作为上述技术方案的进一步改进，所述步骤2中对获取到的数据进行插值是利用插值算法估算人体运动状态的加速度参数和方向参数在相应时间点上的近似值，从而得到更为完整的运动参数。

作为上述技术方案的进一步改进，所述利用SVM算法对加速度序列进行分类是一个机器学习的过程，根据有限样本信息在学习精度和学习能力之间匹配最佳的分类。

实施本发明的一种人体运动状态检测系统及检测方法，具有以下有益效果：