[发明专利]一种基于智能手机的人体运动状态识别方法

说明书

技术领域

本发明涉及运动状态识别领域，尤其涉及一种基于智能手机的人体运动状态识别方法。

背景技术

人体运动状态识别已经成为现代人们关注的重点。由于大多数专业设备携带不便，不能很好地监测人们一天中的运动状态。而智能手机能够很好地解决这方面的问题。智能手机作为嵌入式设备，它的主板上嵌入了大量的传感器，使得智能手机具有更好的体验性。为了监测人体一天的运动状态，利用智能手机中的加速度传感器和陀螺仪传感器，采集手机持有人的运动数据并进行运动状态识别和记录。目前比较流行的是利用手机单纯记录走路状态，数据表示比较单一，不能记录当前实际的运动状态，不利于后期的数据多样化分析。传统的运动状态监测设备，不便于携带且由于未与网络连接，只能与本地存储模型进行对比判断，并且不能长期记录大量数据，使得采集到的数据不能产生更大的价值。而智能手机则不同，它能很好地解决上述问题，而且将来智能手机将嵌入更多的专业传感器来满足人们在实际生活中需要。

发明内容

本发明提供一种基于智能手机的人体运动状态识别方法，弥补传统采集设备携带不便，不能智能分析数据的不足，尤其是不能将采集到数据上传到后台服务器，不能动态的分析用户的运动，不能将数据结果和建议发送给用户等缺陷，改善其数据采集与分析的不足，提高运动状态识别的实时性和便捷性。为此，所采用的技术方案为：

一种基于智能手机的人体运动状态识别方法，包括步骤：

步骤一，运动状态数据采集：利用Android智能手机内嵌的加速度传感器和陀螺仪传感器采集运动状态数据，并对数据的种类做好标记，便于后面对数据的再次处理；

步骤二，运动状态数据预处理：数据在采集的过程中存在大量的噪声，不利于模型的训练和测试；为了降低噪声因素的干扰需要对利用传感器采集的数据进行滤波处理；

步骤三，训练神经网络模型：将处理后的数据送入到后台服务器，利用深度学习技术构建神经网络原型，再依据初步的训练结果，进一步优化神经网络模型，直到识别的准确度设定的阈值，即可停止训练；

步骤四，模型移植：将训练好的神经网络模型，利用Android技术将模型移植到手机中；

步骤五，运动状态识别：手机采集实时传感器信息，识别出当前的运动状态；

进一步地，所述步骤一中运动状态数据的采集过程中，提出利用众包思想采集数据，以扩大训练数据的样本容量，获取更多不同人体对相同动作的数据样本，从而提升运动状态的识别率。

进一步地，所述步骤二中运动状态数据的采集过程中，本文提出采用中值滤波和Butterworth滤波对原始信号滤波。

进一步地，所述步骤二中运动状态数据的预处理过程中，本发明两种数据保存方式，即可保存在本地手机端，还可以上传到后台服务器端；

进一步地，所述步骤三中传感器采集到的数据属于时间序列类型，循环神经网络模型能很好的处理具有关联关系的时间序列数据。

进一步地，所述步骤三中模型训练过程，根据众多的开源资源数据集，依据深度学习框架和实际情况构建训练模型，通过标准测试库验证训练好的模型，不断修改模型以提高识别精度。

进一步地，所述步骤一、三、四中需要在手机端开发一个APP，用于前期的运动数据采集，用于人体运动状态实时识别与记录。

更进一步地，所述步骤四中APP可以显示人每天每种状态的持续时间，以记录每天的运动状态；

进一步地，所述步骤四中通过众包思想采集大量的用户运动状态信息，用于分析用户的行为习惯，最后将分析结果返回给用户。

本发明将智能手机软件开发、深度学习、数据分析在运动状态识别领域相结合，通过数据采集，数据预处理，并和深度学习相结合训练神经网络模型，将训练好的神经网络模型移植到智能手机中，并开发一款运动状态识别应用软件，该软件集数据采集与运动状态于一体。当训练数据量不足时，可以运用该软件进行数据采集，以提高人体运动状态识别率；当需要进行运动状态识别时，即可根据目前人体的运动状态识别相对应的运动状态；同时能够统计出一天中每种状态持续时间。并将这些运动数据发送到后台服务器，后台服务器分析数据，并将分析报告返回给用户。