[发明专利]一种基于周期帧全局特征的下肢运动模式识别方法及系统

权利要求书

1.一种基于周期帧全局特征的下肢运动模式识别方法，其特征在于，包括如下过程：

对获取的人体下肢髋关节角度运动信息和膝关节角度运动信息进行预处理，得到融合后的矩阵；

利用融合后的矩阵识别、提取运动周期帧；

基于运动周期帧，对融合后的矩阵进行特征提取，得到不同运动周期的帧的全局特征；

根据不同运动周期的帧的全局特征，对人体下肢的运动模式进行分类，实现对人体下肢的运动模式的识别。

2.根据权利要求1所述的一种基于周期帧全局特征的下肢运动模式识别方法，其特征在于，获取的人体下肢髋关节角度运动信息和膝关节角度运动信息时，采用分别设置于大腿前侧和小腿前侧的IMU传感器进行。

3.根据权利要求1所述的一种基于周期帧全局特征的下肢运动模式识别方法，其特征在于，对获取的人体下肢髋关节角度运动信息和膝关节角度运动信息进行预处理过程包括：

对获取的人体下肢髋关节角度运动信息和膝关节角度运动信息进行数据清洗、滤波和归一化，得到时间序列信号，将得到的时间序列信号融合为矩阵，得到融合后的矩阵。

4.根据权利要求3所述的一种基于周期帧全局特征的下肢运动模式识别方法，其特征在于，所述时间序列信号包括髋关节角度运动信息、膝关节角度运动信息和滤波得到的关节角度数据。

5.根据权利要求3所述的一种基于周期帧全局特征的下肢运动模式识别方法，其特征在于，对获取的人体下肢髋关节角度运动信息和膝关节角度运动信息进行数据清洗的过程包括：选择单个角速度通道作为标定通道，通过连续滑动查询角速度数值在[-0.1,0.1]区间作为删除区域，并识别剔除起点和终点，最后将剔除后的起点与终点进行拼接；

对清洗后的数据进行滤波处理时，采用动态截止频率的巴特沃斯滤波器来对采集数据进行滤波处理，截止频率ω_c＝max(ω_s)·w，其中max(ω_s)为人体运动数据频率范围的最大值，w为系数，满足4w6，w与人体运动的剧烈程度成正相关。

6.根据权利要求1所述的一种基于周期帧全局特征的下肢运动模式识别方法，其特征在于，利用融合后的矩阵识别、提取运动周期帧时，利用矩阵自相关算法计算融合后的矩阵的周期，以足底接触地面时对应信号中的点作为运动周期划分起始点，实现对运动周期帧的识别和提取。

7.根据权利要求1所述的一种基于周期帧全局特征的下肢运动模式识别方法，其特征在于，基于运动周期帧，利用图像处理均值哈希特征算法进行对融合后的矩阵进行哈希特征提取，得到不同运动周期的帧的全局特征；

利用支持向量机分类器构建的分类模型以及采用混淆矩阵验证待测分类与目标分类的关系，对人体下肢的运动模式进行分类，实现对人体下肢的运动模式的识别。

8.一种基于周期帧全局特征的下肢运动模式识别系统，其特征在于，包括：

预处理模块：用于对获取的人体下肢髋关节角度运动信息和膝关节角度运动信息进行预处理，得到融合后的矩阵；

运动周期帧获取模块：用于利用融合后的矩阵识别、提取运动周期帧；

特征提取模块：用于基于运动周期帧，对融合后的矩阵进行特征提取，得到不同运动周期的帧的全局特征；

运动模式的识别模块：根据不同运动周期的帧的全局特征，对人体下肢的运动模式进行分类，实现对人体下肢的运动模式的识别。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任意一项所述的基于周期帧全局特征的下肢运动模式识别方法。

10.一种存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于周期帧全局特征的下肢运动模式识别方法。