[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

说明书

本发明公开了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，方法过程包括：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。本发明采用根据运动周期分帧、进行全局特征提取，识别准确率受滑动窗口长度影响小，无需根据经验反复调试选择最佳的窗口长度，对运动模式的平均识别准确率高，利于改善机器人的人机交互性，提高人机协调控制性能，促进可穿戴式智能设备的发展。

技术领域

本发明涉及人体运动模式识别技术领域，特别是涉及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。

背景技术

人体运动模式识别能够实现不同场景下对人体整体或者局部肢体的运动模式的识别，具有广泛的运用。例如外骨骼机器人的感知系统需要根据人体运动模式和环境的变换，及时自主调整控制策略与感知参数，以提高机器人的自适应性和智能化水平。因此，如何提高人体下肢运动模式识别的准确性将是改善机器人的人机交互性，提高人机协调控制性能的重要途径。从信号的来源可以将目前的人体下肢运动模式的识别分为基于生物电信号的识别与基于物理运动信号的识别。由于在感知原理和手段的不同，二者在信号获取的可靠性、识别预测的精度和速度等方面存在较大差异。脑电信号产生于意图形成的最前端，相对实际动作具有意图信号提前量大的优势，但对于非侵入式的脑机接口，仍存在信号带宽高、噪声大带来的辨识难度高的问题，距离实际应用还存在较大挑战。肌电信号产生于肌肉的收缩过程，一般超前于实际动作30～150ms，是一种理想的意图感知信号。但是由于肌电传感器对佩戴环境要求较高，同时受穿戴者个体差异、汗液和皮肤温度等因素的影响较大，在信号感知的稳定性和适应性方面还需进一步的加强。相比之下基于物理运动信号的感知方法，在传感器的穿戴便捷性、抗干扰能力、环境适应性以及算法通用性上更具优势。但是由于物理运动信号产生于实际运动后，相较于生物电信号存在时间延迟，在实际使用时需要通过信号预测来攻克其时延的弊端。同时，为了实现良好的辨识与预测，传感器要能最大程度的反映出系统状态，虽然通过增加传感器的数量和类型在一定程度上可以提高信息交互的准确性，但是相应的也会带来系统数据复杂度和冗余度的增加，降低实时应用性能。

发明内容

为解决现有技术中存在的问题，本发明的目的在于提供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，本发明通过算法优化提高人体下肢运动模式识别的准确率与实时性，使得能够采用少量物理传感器得以实现。

为实现上述目的，本发明采用的技术方案如下：

一种基于周期帧全局特征的下肢运动模式识别方法，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。

优选的，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。

优选的，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。

优选的，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。