[发明专利]一种基于九轴传感信号统计特征的泳姿识别方法

说明书

本发明公开了一种基于九轴传感信号统计特征的泳姿识别方法，包括：安装在手腕处的九轴惯性传感器记录人体游泳时手腕部的加速度和角速度，并将其作为待测信号；取出一个单位长度的待测信号进行识别分割；对分割得到的信号进行预处理，并进行特征提取；对SVM模型进行训练，将提取的特征输入到训练后的SVM模型中进行分类，确定信号分类结果；根据信号分类结果，确定待测信号中所要取出的单位长度的信号片段的区间，重复上述步骤。本发明采用统计特征来进行分类，能够在较小计算资源的情况下具有计算复杂度低且准确率高的优点。

技术领域

本发明涉及人体动作识别领域，尤其涉及一种基于九轴传感信号统计特征的泳姿识别方法。

背景技术

随着腕戴式智能设备的流行，基于九轴传感器的人体动作识别方法被广泛研究并逐步应用于人类生活中，并且在人体健康监测、老年人安全监测以及智能家庭方面，发挥着越来越重要的作用。但智能设备存在着续航能力以及计算有限的问题，因此，算法的计算开销与准确率成为研究方向核心的问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于九轴传感信号统计特征的泳姿识别方法。本发明采用统计特征来进行分类，能够在较小计算资源的情况下具有计算复杂度低且准确率高的优点。

本发明的目的能够通过以下技术方案实现：

一种基于九轴传感信号统计特征的泳姿识别方法，具体步骤包括：

(1)获取九轴传感器采集的人体游泳时手腕部的加速度和角速度作为待测信号；

(2)取出一个单位长度的待测信号进行识别分割；

(3)对分割得到的信号进行预处理，并进行特征提取；

(4)将步骤(3)提取的特征输入到SVM模型中进行分类，确定信号分类结果；所述SVM模型为参数经过训练的模型；

(5)根据信号分类结果，确定待测信号中所要取出的单位长度的信号片段的区间，重复步骤(2)～(5)。

具体地，所述步骤(2)中，识别并分割出待测信号片段中第一个具有完整运动周期的信号；若不能分割出待测信号片段中一个具有完整运动周期的信号，则分割出一个固定窗长的信号；所述窗长应大于或等于所有泳姿的最大动作周期。

具体地，所述步骤(3)中，所述对分割得到的信号进行预处理为：对每一维信号进行双线性插值处理，使所有信号的长度一致。

具体地，所述步骤(3)中，对预处理后信号进行提取特征的步骤包括：

(3-1)对每一维信号进行大小排序，取其六分点位置的值作为特征1；

(3-2)计算每一维信号的均值、方差和能量，作为特征2；

(3-3)合并特征1和特征2，对每一维信号合并后特征进行归一化处理，得到所提取特征。

具体地，所述步骤(4)中，对SVM模型参数进行训练的步骤包括：

(4-1)搭建基于九轴传感信号统计特征的泳姿识别样本集；

(4-2)对SVM模型进行初始化；

(4-3)采用所搭建样本集及优化成本函数对初始化的SVM模型进行训练。

更进一步地，所述步骤(4-1)中泳姿识别样本集的搭建步骤包括：

(4-1-1)测试人员在手腕处佩戴九轴传感器，依次进行蛙泳、仰泳、自由泳和蝶泳，同时录制同步视频；

(4-1-2)根据同步视频对测试人员佩戴的九轴传感器采集的信号进行分割，分割出具有完整运动周期的信号片段，标上对应泳姿标签；