[发明专利]一种基于运动手环的人体运动模式识别方法

说明书

本发明公开了一种基于运动手环的人体运动模式识别方法，属于智能穿戴设备技术领域。本发明的人体运动模式识别方法通过采集人体数据、对数据进行样本处理、进行滤波处理、提取特征、选择特征等步骤进行人体运动模式的识别。本发明仅计算一段时间内每个窗口的加速度数据的均值、方差等特征，并使用简单的决策树分类模型进行识别，时间复杂度较低，算法简单，识别速度较快。同时提取并选择出了最有利于分类的特征，然后使用基于概率统计的决策树模型进行分类，保证了较高的识别准确率。本发明在获取实验样本过程中，选取窗口重合百分之五十，保证了人体运动动作的连贯性，确保实验结果的准确。

技术领域

本发明涉及智能穿戴设备技术领域，更具体的说，涉及一种基于运动手环的人体运动模式识别方法。

背景技术

随着微型智能穿戴设备的普及与应用，智能设备运算能力越来越强，人们可以利用其可穿戴性和运算性能为我们的生活带来便利。人体的运动识别成为了当代一个热门而具有价值的研究。人体的运动识别是许多高影响应用的核心构件，如健康和健身监测、个人生物识别、城市计算、辅助技术、老年人护理、室内定位和导航等。同样，佩戴智能手环可以计算出用户一天基本的运动情况，并根据这些信息计算出用户对于不同运动模式的运动量，能够帮助用户及时了解自己的运动情况，并做出调节，让用户更加科学地安排各种运动的运动时间。

随着人工智能的发展，利用嵌入加速度传感器的手环，和机器学习以及数据挖掘算法相结合，使运动模式的识别成为可能。目前国内外学者已经展开了对人体运动模式识别算法的研究，也取得了丰硕的成果。如利用人体在运动过程中产生的生物信号来识别运动模式。张等人利用表面肌电(SEMG)传感器在相应肌群皮肤表面捕获肌肉活动信息，对手势命令进行检测和识别。彭等人利用计算机视觉相关算法，通过处理摄像机捕获的手势图像，并对图像加以分析，进而对手势进行识别。此外，赵，张等人通过提取图像的Hu不变矩作为手势的特征向量，然后计算输入手势与模板手势图像的特征向量的距离实现静态手势识别，识别率达到了97.4％。还有学者通过采集脚底压力信息监测关键步态事件，在事件前后对下肢加速度数据进行特征提取，从而对4种常见行为(走路、跑步、上楼和下楼)进行识别。采用上述方法进行运动模式识别要么成本太高，算法太复杂；要么识别准确率较低，不能满足要求。因此需要新的方法来实现了人体运动模式的识别。

经检索，中国专利申请号ZL201710866208.5，发明名称为：运动状态识别方法和系统、动物行为识别系统，申请日：2017年9月22日。该申请案通过加速度传感器采集目标的三维加速度数据并根据三维加速度数据计算合加速度，提取合加速度的特征信息；将该特征信息输入决策树模型，利用决策树模型的结点对该特征信息进行识别，确定目标的运动状态，达到了识别目标运动状态的技术效果；但该申请案仅提取合加速度的特征信息作为识别信息，不能准确的识别人体运动状态。

发明内容

1.发明要解决的技术问题

鉴于现有技术中，对于运动模式的识别存在算法复杂，且识别准确率低的问题，本发明提供了一种基于运动手环的人体运动模式识别方法，利用运动手环采集人体运动的加速度数据，并对数据进行特征提取后送入模型调整参数，使运算模型能够准确识别人体的运动模式。

2.技术方案

为达到上述目的，本发明提供的技术方案为：

本发明的一种基于运动手环的人体运动模式识别方法，其步骤为：

步骤一、利用运动手环采集人体运动的加速度数据；

步骤二、对步骤一中采集到的数据进行分段，选取合适的窗口宽度；

步骤三、将每个窗口三个方向上的加速度数据进行滤波处理；

步骤四、对经步骤三滤波处理后的加速度数据进行特征提取；

步骤五、利用特征选择算法筛选步骤四中提取的特征，舍弃对分类算法没有贡献的特征；