[发明专利]一种基于多加速度传感器和ZigBee网络的牙刷动作采集系统

说明书

技术领域

本发明属于人工智能技术领域，特别涉及一种基于多加速度传感器和ZigBee网络的牙刷动作采集系统。 

背景技术

从20世纪的90年代末开始已有大量的研究者从事基于微传感器的动作识别研究，并且取得了显著的成效。1997年，Hoffman F等人使用数据手套和离散隐马尔可夫模型进行德语识别，识别率达到96％；2000年，哈尔滨工业大学的吴江琴、高文将ANN鄄HMM混合方法应用于有18个传感器的CyberGlove型号数据手套的中国手语识别系统中，孤立词识别率为90％，简单语句级识别92％；2004年，Jang I J和Park W B对手持设备中加速度信号处理的问题进行了研究。为了准确地识别出物体的运动姿势，将测量的加速度分为静态和动态，并且分别提供了识别方法；2007年，Ferscha A和Resmrita S将物体运动的概念泛化。根据物体的运动的语法规则将物体的运动分为原子手势和复杂手势两种，并建立了物体的运动库Glib，可供基于加速度传感器的系统使用；2010年Michael Hoffmand等人分别用Linear分类器和AdaBoost分类器对25种物体的运动进行识别。AdaBoost分类器的识别率比Linear分类器识别率约少3％。 

现有的基于微传感器的运动识别研究大概分为两类：一类是基于多类型传感器阵列的数据物体的运动研究。另外一类是基于单传感器的研究。前者研究计算复杂度高并且数据量大，无法应用在现有的移动平台中。后者虽然能够解决数据量大的问题，但是无法准确反应物体的运动信息，进而无法准确判断细微的手势。本发明给出了一种基于ZigBee和多加速度传感器的手势识别方法。该方案采用ADXL335三轴加速度传感器分别采集物体的运动的加速度信息，信息通过多路开关依次送到终端节点进行A/D转换，并将处理后的数据整理发送。接收端收到数据后对物体的运动依次进行滤波取整、抖动判定以减少因为噪声和抖动带来的差异。同时利用单个动作之间停顿时间的门限阈值检测动作的起始。最后对物体的运动信息特征进行提取，构建离散隐马尔可夫模型以实现对手势的识别。 

发明内容

系统所采用的手势信息采集芯片主要采用TI公司生产的CC2430和三轴加速度传感器ADXL335。整个系统两个部分：发送端模块和接收端模块。发送端模块包括加速度数据的采集、A/D转换以及数据发送。利用位于六个加速度传感器，通过MAX338多路开关，分别将各传感器的X轴、Y轴、Z轴分量分别送给CC2430。该芯片利用其内部的A/D对模拟量进行转换，并将信息通过射频方式发给接收端。考虑到加速度传感器位置的偏差对识别率的影响，系统对其硬件结构进行了相应的改善。为了保证位置没有太大变化，将各传感器固定于一个软质套上，并将牙刷位置用胶带固定牢，使用时以牙刷柄为各传感器的参考点，以保证每次测试时，各加速度传感器位置基本保持一致。接收端模块采用与发送端相同的核心芯片CC2430，其主要完成包括：数据接收、滤波取整、特征提取、数据量化、抖动判定、模型训练与建立、模型匹配、结果输出与控制等。用户通过串口可以将接收到的加速度信息传输至上位机，便于对数据进行二次处理。 

该方案与其他方案相比，其优势在于：首先，克服了传统的单传感器物体的运动识别系统对物体动作检测的局限性。系统采用多传感器的设计，分别利用放置在牙刷正反面上的6个加速度传感器，实时的感知牙刷的具体动作，从而更好更全面的获取动作者尽可能多的信息，以便完整的还原用户的意图。其次，由于ZigBee网络的最大传输速度250kb/s，能够保证物体的运动数据的实时传输另外CC2430采用8051F增强型内核，其处理速度能够满足识别算法的基本要求。最后，ZigBee技术的应用可以方便的将该装置进行移植和改进。众所周知，许多手语是通过两只手协同动作，表达一个固定的意思。而目前的物体的运动识别系统大都只考虑的部分简单的情况，对运动复杂的情况并未作出考虑，利用ZigBee的自组网特性，可以方便的组成一个网络，为后续扩展提供了极大的便利条件。