一種室內行人行走模式識別和軌跡追蹤的方法
2023-06-14 17:18:36 1
一種室內行人行走模式識別和軌跡追蹤的方法
【專利摘要】本發明公開了一種室內行人行走模式識別和軌跡追蹤的方法，本發明首先根據室內環境下地形的特點，以方向和速度為分類依據，定義了室內人員行走的模式；然後用採集的加速度傳感器和地磁傳感器數據，運用隱含馬爾科夫模型理論（HMM）對室內行走模式建立數學模型；由於金屬物的幹擾和行走過程中身體抖動的影響，室內定位系統最初通過航跡推算獲取的軌跡可能存在較大的誤差，本發明最後根據隱含馬爾科夫模型的維特比算法計算每個行走模式的概率，找出可能性最大的一組行走模式；最後再根據行走模式的識別結果，將原來的位置匹配到相應的行走模式，從而修正原來的軌跡，獲得室內該行人的行走修正軌跡。本發明能顯著提高室內定位和軌跡追蹤的精度。
【專利說明】一種室內行人行走模式識別和軌跡追蹤的方法
【技術領域】
[0001]本發明涉及基於慣性傳感器的室內行人定位和軌跡追蹤領域，尤其涉及一種基於隱含馬爾科夫模型的室內行人行走模式識別和軌跡追蹤的方法。
【背景技術】
[0002]基於慣性傳感器的室內定位是在室內環境下，通過採集和處理手機中配置的加速度傳感器和地磁傳感器的數據來計算行人行走的步數和航向角。結合航跡推算原理，在已知上一個位置的基礎上，根據行走時間段內的步數和航向角推算出行人的當前位置。再通過連續無縫地獲取行人的當前室內位置，可以得到行人的軌跡。
[0003]基於慣性傳感器的行人軌跡追蹤系統中，可以通過採集加速度傳感器數據結合步態識別方法計算出行人行走的步數。行人的航向角可以由採集的地磁傳感器數據獲取。利用獲取的步數和航向角結合航跡推算原理可以較為準確的獲取室內行人的位置。但是由於地磁信號非常容易受到金屬物體和其他地磁幹擾源的影響，採集的地磁傳感器數據會由於這些幹擾物而產生較大的誤差。而且行人自主定位時身體的晃動也會對地磁傳感器和加速度傳感器數據的採集產生幹擾。不僅如此，這些誤差會隨著定位距離的增長而累積，這種累積誤差大大影響了基於慣性傳感器的室內定位和軌跡追蹤系統的精度。
[0004]為了提高室內行人定位和軌跡追蹤系統的精度，研究人員提出過很多基於慣性傳感器的室內定位方法，它們中有的從宏觀上處理和過濾慣性傳感器數據，雖然一定程度上減小了部分幹擾的影響，但是並沒有從根本上提高定位的精度。有的方法提出通過添加額外定位設備例如WiFi，陀螺儀等來輔助校正定位誤差。這種方法顯著提高了精度，但是額外添加的定位設備大幅度提高了定位的成本，大大降低了本系統的可用性。
[0005]如何在不添加額外設備的前提下，有效應對環境因素的幹擾和身體晃動的影響，準確識別出室內軌跡的異常點，並且修正原來出錯的軌跡，顯著提高室內定位和軌跡追蹤精度的方法，一直是行業研究的前沿課題。
【發明內容】
[0006]本發明的主要目的在於提出並實現一種利用手機自帶的慣性傳感器，進行室內行人行走模式識別，從而實現準確的室內定位和軌跡追蹤的方法。該方法能夠在不添加額外設備的前提下，有效應對環境因素的幹擾和身體晃動的影響；該方法還能夠準確識別出室內軌跡的異常點，並對原來出錯的軌跡異常點進行修正，顯著提高室內定位和軌跡追蹤的精度。
[0007]本發明所採用的技術方案是:一種室內行人行走模式識別和軌跡追蹤的方法，其特徵在於，包括以下步驟:
[0008]步驟1:利用加速度傳感器和地磁傳感器以自適應的採樣頻率採集數據，獲得室內行人的初始位置數據；
[0009]步驟2:利用航跡推算算法計算室內該行人的下一點位置數據；[0010]步驟3:重複執行所述的步驟I和步驟2，通過不斷地記錄室內行人的位置數據，獲得室內該行人的行走軌跡；
[0011]步驟4:根據室內普通行人一般行走軌跡的特性建立行走模式的隱含馬爾科夫模型；
[0012]步驟5:根據建立的隱含馬爾科夫模型和傳感器觀測值識別出室內該行人的行走模式，然後將室內該行人的行走軌跡匹配到識別出的室內該行人的行走模式；
[0013]步驟6:採用了異常點識別、刪除和壞區修復的方法對匹配後的行走軌跡進行修正，獲得室內該行人的行走修正軌跡。
[0014]作為優選，步驟I中所述的利用加速度傳感器和地磁傳感器以自適應的採樣頻率採集數據，其具體實現包括以下子步驟:
[0015]步驟1.1:輸入三個連續時刻行人行走的方位角hd，hd_1； hd_2 ;其中，d，d-1, d-2為進行數據採集的三個連續時刻；
[0016]步驟1.2:計算三個連續方位角兩兩之間關於時間的導數
【權利要求】
1.一種室內行人行走模式識別和軌跡追蹤的方法，其特徵在於，包括以下步驟: 步驟1:利用加速度傳感器和地磁傳感器以自適應的採樣頻率採集數據，獲得室內行人的初始位置數據； 步驟2:利用航跡推算算法計算室內該行人的下一點位置數據； 步驟3:重複執行所述的步驟I和步驟2，通過不斷地記錄室內行人的位置數據，獲得室內該行人的行走軌跡； 步驟4:根據室內普通行人一般行走軌跡的特性建立行走模式的隱含馬爾科夫模型； 步驟5:根據建立的隱含馬爾科夫模型和傳感器觀測值識別出室內該行人的行走模式，然後將室內該行人的行走軌跡匹配到識別出的室內該行人的行走模式； 步驟6:採用了異常點識別、刪除和壞區修復的方法對匹配後的行走軌跡進行修正，獲得室內該行人的行走修正軌跡。
2.根據權利要求1所述的室內行人行走模式識別和軌跡追蹤的方法，其特徵在於:步驟I中所述的利用加速度傳感器和地磁傳感器以自適應的採樣頻率採集數據，其具體實現包括以下子步驟: 步驟1.1:輸入三個連續時刻行人行走的方位角hd，hd_1； hd_2 ;其中，d，d-1，d-2為進行數據採集的三個連續時刻； 步驟1.2:計算三個連續方位角兩兩之間關於時間的導數
3.根據權利要求1所述的室內行人行走模式識別和軌跡追蹤的方法，其特徵在於:步驟2中所述的利用航跡推算算法計算室內行人的下一點位置數據，其室內行人的下一點位置為:(x*, y*) = (x+sl X sc X cos h, y+sl X sc+sin h)； 其中:sl是行人的步長，行人的步長通過估算法得到；sc是行人行走的步數，步數是根據加速度傳感器獲取的Z軸加速值計算得到，由於行人正常行走一步的過程中，Z軸加速度值得曲線是一個正弦波，所以通過檢測Z軸加速度正弦波的個數來統計行人的步數；U，y)是行人的初始坐標，(x*, Y*)是行人的下一點位置的坐標；h是行人行走的方位角，該方位角通過地磁傳感器獲取，獲取到的方位角是行人行進的方向與地磁北極的夾角。
4.根據權利要求1所述的室內行人行走模式識別和軌跡追蹤的方法，其特徵在於:步驟4中所述的根據室內普通行人一般行走軌跡的特性建立行走模式的隱含馬爾科夫模型，其具體實現包括以下子步驟:步驟4.1:定義室內行人行走模式隱馬爾科夫模型，該模型包括隱含狀態、觀測值、狀態轉移概率和輸出概率這四個參數，其中，隱含狀態對應於所述的室內行人行走模式；觀測值是採集的加速度傳感器和地磁傳感器的數據；狀態轉移概率是室內人員從一個行走模式過度到另外一個行走模式的概率；輸出概率是對於一個給定的觀測值，對應於某個行走狀態的概率； 步驟4.2:根據所述的室內行人的行走特點，實例化室內行人行走模式的隱馬爾科夫模型。
5.根據權利要求4所述的室內行人行走模式識別和軌跡追蹤的方法，其特徵在於:步驟4.2所述的實例化室內行人行走模式的隱馬爾科夫模型，其室內行人行走模式的隱馬爾科夫模型的隱含狀態的實例化方法為:首先將室內行人的行走模式依據行走方向和行走速度分類；其中將行走方向以15度作為間隔，將360度分為24個方向段，假設室內行人行走方向的角度為Θ，那麼它所屬的方向段為& ;因室內正常的步行速度範圍在0.5m/s—2m/s,然後將行走速度分為三類,分別是慢速(0.5m/s一 lm/s)、中速(lm/s一 1.5m/s)、快速(1.5m/s-2m/s);根據所述的行走的方向和行走的速度，行走模式一共可以分為72種，每種行走模式對應一個方向段和一個速度類型。
6.根據權利要求4所述的室內行人行走模式識別和軌跡追蹤的方法，其特徵在於:步驟4.2所述的實例化室內行人行走模式的隱馬爾科夫模型，其室內行人行走模式的隱馬爾科夫模型的觀測值的實例化方法為:通過將行人行走一步的時間分為幾個相等的時間間隔，每隔一個相等的時間段採集一次觀測值，將所述的觀測值按照時間順序排列成觀測向量；其中，所述的觀測值為三維的向量0=(acce, Ahd, spd), acce表示行人的z_軸加速度、Ahd表示行人的方位角變化量、spd表示行人的行走速度。
7.根據權利要求4所述的室內行人行走模式識別和軌跡追蹤的方法，其特徵在於:步驟4.2所述的實例化室內行人.行走模式的隱馬爾科夫模型，其室內行人行走模式的隱馬爾科夫模型的輸出概率的實例化方法包括以下子步驟: 步驟4.2.1:本發明通過多次採集室內人員行走一步以內的每一個行走模式對應的三個觀測變量並對其求平均值的方法，為每一個行走模式建立了一個標準指紋庫，每一個指紋庫包括一個行走模式S」和觀測值序列Vi的對應關係，該對應關係表示為一個二維向量(Sj, Vi); 步驟4.2.2:給定一個觀測值序列Vi,查找指紋庫中每一個行走模式^對應的標準觀測值序列Vj ； 步驟4.2.3:計算給定的觀測值Vi與每一個行走模式對應的標準觀測值\之間的歐式距離； 步驟4.2.3:最後用零均值高斯函數來計算每一個觀測值Vi和對應的狀態之間的發射概率。
8.根據權利要求4所述的室內行人行走模式識別和軌跡追蹤的方法，其特徵在於:步驟4.2所述的實例化室內行人行走模式的隱馬爾科夫模型，其室內行人行走模式的隱馬爾科夫模型的狀態轉移概率的實例化方法為:所述的隱馬爾科夫模型狀態轉移概率分為方向轉移概率和速度轉移概率；方向轉移概率表行人從一個狀態所處的方向轉移到另外一個狀態所處的方向的概率，若行人從狀態i轉移到狀態j，iheading，Jheading分別表示狀態i和狀態j所處的方向段，則方向轉移概率Pheading(i，j)的計算公式如下:
9.根據權利要求1所述的室內行人行走模式識別和軌跡追蹤的方法，其特徵在於:步驟5中所述的根據建立的隱含馬爾科夫模型和傳感器觀測值識別出室內該行人的行走模式，其具體實現包括以下子步驟: 步驟5.1:輸入一個任意行走模式的觀測值序列Oi, i=l, 2…η ； 步驟5.2:建立室內行人行走模式的隱馬爾科夫模型λ=(Α，Β，π)，其中:
10.根據權利要求6所述的室內行人行走模式識別和軌跡追蹤的方法，其特徵在於:所述的P (TH)取0.6。
11.根據權利要求1所述的室內行人行走模式識別和軌跡追蹤的方法，其特徵在於:步驟6中所述的採用了異常點識別、刪除和壞區修復的方法對匹配後的行走軌跡進行修正，其具體實現包括以下子步驟: 步驟6.1:輸入任意一個行走模式的觀測值序列Oi, i=l, 2…η ;建立的室內行人行走模式的隱馬爾科夫模型λ=(Α，Β，π);其中，A表示隱馬爾科夫模型的狀態轉移概率矩陣，B表示隱馬爾科夫模型的輸出概率矩陣，η表示隱馬爾科夫模型的初始狀態概率矩陣。 步驟6.2:為觀測值序列設定一個長度為k的滑動窗口，將長度為η的觀測值序列劃分為長度為k的短序列； 步驟6.3:滑動窗口每次向後移動一個單位，其中，滑動窗口一共移動的次數C= (η-k+l)； 步驟6.4:判斷滑動窗口是否到達觀測值序列末尾， 如果是，則監測結束； 如果否，則繼續執行下述步驟； 步驟6.5:用維特比算法計算該滑動窗口所在的短序列的行走模式的最大概率δ t(j): 其中，au表不隱馬爾科夫模型的狀態轉移概率，bj(i)表不隱馬爾科夫模型的輸出概率，N表示隱含爾科夫模型的狀態數，j表示隱馬爾科夫模型的初始狀態概率，T表示該行走模式的行走花費的時間； 步驟6.6:判斷最大概率δ t(j)與設定的閥值P(TH)大小； 如果最大狀態概率St(j)大於該閾值，則此次短序列為正常點，則返回繼續執行所述的步驟6.3 ； 如果最大狀態概率St(j)小於該閾值，則此次短序列為異常點，則繼續執行下述步驟； 步驟6.7:對該短序列進行異常點刪除和壞區修復，其壞區修復的方法是先刪除原來的異常點，再通過曲線擬合的方法在刪除的異常點的位置擬合一個點，再返回執行所述的步驟6.3。.
【文檔編號】G01C21/16GK103471589SQ201310440455
【公開日】2013年12月25日 申請日期:2013年9月25日 優先權日:2013年9月25日
【發明者】牛曉光, 李蒙, 魏川博, 曹飛, 秦城 申請人:武漢大學