人體姿態識別方法
2023-11-08 13:35:32 1
人體姿態識別方法
【專利摘要】本發明涉及一種基於無線傳感器網絡(Wireless?sensor?network，簡稱WSN)的人體姿態識別方法。通過本發明方法，監控對象24小時在任何場地、任何環境下的日常活動都能被監控，其特徵是，具有：用於採集綁定在監控對象身上的加速度a的三軸加速度計；用於收集三軸加速度計的數據的無線傳感器節點(簡稱WSN)；用於接收WSN所收集到的數據的數據中心；通過WSN節點採集的加速度計的數據，再無線傳送到數據中心，最終通過分析數據中心的加速度a的傾斜角度來識別當前人體的實時姿態。
【專利說明】人體姿態識別方法
【技術領域】
[0001]一種基於無線傳感器網絡的人體姿態的識別方法。
【背景技術】
[0002]目前，人體姿態識別的方法大多都是利用攝像頭採集視頻圖像，再將採集的視頻圖像數據傳輸到上位機或控制晶片，利用不同的算法進行實時分析判別人體姿態。隨著研究的深入，圖像處理算法識別程度也日趨成熟，並且視頻圖像處理方法實時性好，視頻能長時間記錄，供相關人員歷史查看。但採用如上識別人體姿態的方法時存在很多局限性，如下:
[0003]I)攝像頭採集視頻圖像時受光線影響，成像效果不好對後續的圖像識別算法有很嚴重的影響。
[0004]2)攝像頭採集人體姿態時，存在隱私問題，在特殊情況下，不能採用該方法來識別。
[0005]3)視頻圖像採集人體姿態時，對攝像頭的要求較高，需要高清晰度、高解析度等，才能滿足後續的圖像處理，成本較高。
[0006]4)視頻圖像採集受到攝像頭固定安置位置的影響，對人體姿態的採集有區域的局限性，且不能全方位識別人體的姿態，存在一定的死角。
[0007]以這些問題都是視頻圖像處理無法避免的，且嚴重製約了採集準確人體姿態方法的發展，例如在醫療監護或獨居老人的看護情況下，需要實時、準確、大範圍的監控。
[0008]視頻監控的成本無疑相當昂貴，實時性也不是很好，醫生或家人依據視頻圖像做出的判斷會有很大的誤差。
【發明內容】
[0009]I)針對以上問題，本發明提供了一種基於無線傳感器網絡
[0010](Wireless sensor network,簡稱WSN)的人體姿態識別的方法。其特徵在於，包括以下步驟:
[0011]步驟1，將設置有加速度計的無線傳感器節點綁定在監控對象身上；
[0012]步驟2，所述無線傳感器節點將所述加速度計採集的加速度a傳輸到無線傳感器網絡(WSN)；
[0013]步驟3，所述無線傳感器網絡(WSN)將收集到的各個所述無線傳感器節點所採集的所述加速度a的信息輸送到數據中心；
[0014]步驟4，所述數據中心通過分析所述加速度a的傾斜角度來識別當前人體的實時姿態。
[0015]作為本識別方法的實施形態，其特徵是:將包含有三軸加速度計的兩個無線傳感器節點A和B分別綁定在監控對象的小腿外側和大腿外側，定義捆綁在小腿上的傳感器節點為A，捆綁在大腿上的傳感器節點為B，每個無線傳感器節點上設置一個三軸加速度計。三軸加速度計始終受到重力影響，在Χ、Y、ζ軸上的合力為加速度a，該無線傳感器節點用於收集三軸加速度計的加速度a，將所收集的數據傳送到數據中心，數據中心通過分析三軸加速度計的加速度a的傾斜角度來識別當前人體的實施形態,其中加速度a是矢量，既有大小也有方向。
[0016]發明作用與效果:
[0017]本發明的技術方案為:一種基於無線傳感器網絡的人體姿態識別方法，採用兩個無線傳感器節點分別捆綁在監控對象的小腿外側和大腿外側，每個無線傳感器節點上都設置有一個三軸加速度計，由於三軸加速度計始終受到重力影響，存在三軸合力為一個加速度a，通過綁定在監控對象身上的加速度計所採集的加速度a的傾斜角度，從而來判別監控對象的姿態。本發明的有益效果在於:本發明基於無線傳感器網絡的人體姿態識別方法，可以應用在醫療輔助監控、獨居老人監護等場景下，不受時間、地點、環境的影響，可以識別人體的日常運動。例如:站立、行走、上樓梯、下樓梯、跑、坐、躺等。還可以識別人體的特殊情況發生，例如:摔倒。無線傳感器節點成本低，應用廣泛，有很高的經濟效益，通過配合其他傳感器還可以廣泛用於一些大型應用中。
【專利附圖】
【附圖說明】
[0018]圖1是本發明在實施例中所採用的無線傳感器節點的主視圖；
[0019]圖2是本發明在實施例中所採用的無線傳感器節點的俯視圖；
[0020]圖3是本發明在實施例中所採用的無線傳感器節點在監控對象站姿時的立體圖；
[0021]圖4是本發明在實施例中所採用的無線傳感器節點在監控對象坐姿時的立體圖；
[0022]圖5是本發明在實施例 中所採用的無線傳感器節點在監控對象平躺時的立體圖；
[0023]圖6是本發明在實 施例中所採用的無線傳感器節點在監控對象走路時X軸加速度值變化圖；
[0024]圖7是本發明在實施例中所採用的無線傳感器節點在監控對象走路時Y軸加速度值變化圖；
[0025]圖8是本發明在實施例中所採用的無線傳感器節點在監控對象走路以及跑步時的3軸加速度矢量和方差。
[0026]圖9是本發明在實施例中所採用的無線傳感器節點在監控對象水平走路、上樓、下樓和水平走路這一過程中Y軸的速度變化圖；
[0027]圖10是本發明在實施例中所採用的無線傳感器節點在監控對象水平走路、上樓、下樓和水平走路這一過程中Y軸的位移變化圖；
【具體實施方式】:
[0028]下面結合附圖對本發明進行詳細說明。
[0029]如圖1和圖2分別是本發明在實施例中採用的無線傳感器節點的主視圖和俯視圖，圖中的小圓圈只是一個方向標識，無其他特殊含義。每個無線傳感器節點都設置有一個三軸加速度計，方向定義如圖所示(方向可以隨意定義，必須滿足右手定則即可)。以下均按圖中的方向定義進行分析。[0030]首先要做節點靜止狀態的初始化矯正，將兩個節點按主視圖方向分別捆綁在人體的小腿和大腿外側，使Y軸方向上加速度計受到重力影響值為(-g)，而加速度計的X軸和Z軸暫時不受任何力的影響值為(Og)。這樣根據數值的不同組合即可得到人體的各種姿態。首先定義捆綁在小腿上的無線傳感器節點為A，捆綁在大腿上的無線傳感器節點為B。分析如下:
[0031]I)如圖3所示，此狀態下，A，B加速度計受到重力影響，A、B加速度計Y軸數值為(_g)，X軸和Z軸均為(Og)，數據中心根據此信號可以判斷監控對象的實時姿態是靜止站立。
[0032]2)如圖4所示，此狀態下，A，B加速度計受到重力影響，A加速度計的Y軸數值為(_g)，X軸和Z軸均為(Og) ;B加速度計的X軸數值為(_g)，Y軸和Z軸均為(Og)。數據中心根據此信號可以判斷監控對象的實時姿態是靜止坐。
[0033]3)如圖5所示，此狀態下，A，B加速度計均受到重力影響，A、B加速度計Y軸方向始終與地面平行不受重力影響，而A、B加速度計X、Z軸方向始終有一個相等(Ax = BxjAz =Bz)且合力為(g)。數據中心根據此信號可以判斷監控對象的實時姿態是水平躺。
[0034]4)如圖6和圖7所示，此狀態下，A，B加速度計受到重力影響。A、B加速度計豎直Y軸方向受人體加速向上抬腳、減速落地邁步的力而有一個圍繞(_g)上下正負的浮動值。水平X軸方向受人體加速向前邁步、減速落地的力而有一個圍繞(Og)上下正負的浮動值。根據浮動值極值的出現記錄步數，通過時間的記錄可以計算出行走的速度。Z軸不受力的影響值為O。數據中心根據此信號可以判斷監控對象的實時姿態是水平行走。
[0035]5)如圖8所示，水平跑步和水平行走的區別在於，受重力影響的g分力在X、Y軸方向上的大小不同，跑步時由於大腿抬得較高，B加速度計的X軸方向會分壓到更多的力，因此可以通過設置閾值來判別跑步和行走，閾值可以根據三軸加速度矢量和方差的大小來設置。數據中心根據此信號可以判斷監控對象的實時姿態是水平行走或者是水平跑步。
[0036]6)如圖9所示，與水平方向行走類似，可以根據X、Y軸的值的浮動測算行走速度。但上下樓梯和水平走的區別在於，下樓梯時Y軸的速度比水平走快；上樓梯時Y軸的速度比水平走慢，並且水平走時Y軸不會出現負值。如圖10所示，Y軸加速度的2次積分表明三軸加速度計在Y軸上的位移，上樓時Y軸上的位移是正值，下樓時Y軸上位移是負值。數據中心根據此信號可以判斷監控對象的實時姿態是水平行走或者是上樓梯還是下樓梯。
[0037]7)摔倒。摔倒是一個特殊姿態，其效果和躺下相同。但其前向動作通常為站立、行走、跑步或上下樓，而躺下的前向動作通常為坐。因此可以通過前向動作的區別來判別摔倒和水平躺。
[0038]通過以上分析，可以利用捆綁在人體小腿和大腿上的兩個無線傳感器節點，每個無線傳感器節點上都設置有一個三軸加速度計，將無線傳感器所採集的數據通過無線傳感器網絡(WSN)的方式發送到數據中心，對數據進行匹配分析即可判別人體的各種姿態。以上對日常最常見的7種姿態舉例進行了比較和分析。但本發明並不以此為限，還可以在不超出本發明的要點的範圍內進行適當變更。
【權利要求】
1.一種人體姿態的識別方法，其特徵在於，包括以下步驟: 步驟1，將設置有加速度計的無線傳感器節點綁定在監控對象身上； 步驟2，所述無線傳感器節點將所述加速度計採集的加速度a傳輸到無線傳感器網絡(WSN)； 步驟3，所述無線傳感器網絡(WSN)將收集到的各個所述無線傳感器節點所採集的所述加速度a的信息輸送到數據中心； 步驟4，所述數據中心通過分析所述加速度a的傾斜角度來識別當前人體的實時姿態。
2.根據權利要求1所述的人體姿態的識別方法，其特徵在於， 所述無線傳感器節點是捆綁在所述監控對象的大腿外側和小腿外側的裝置。
3.根據權利要求1所述的人體姿態的識別方法，其特徵在於， 所述加速度計是被設置在所述無線傳感器(WSN)節點上的X，Y，Z方向的三軸加速度計。
4.根據權利要求1所述的人體姿態的識別方法，其特徵在於， 所述無線傳感器網絡(WSN)是由無線傳感器節點組成的網絡。
【文檔編號】H04W84/18GK103632133SQ201310413403
【公開日】2014年3月12日 申請日期:2013年9月11日 優先權日:2012年10月25日
【發明者】黃亦辰, 李瑞祥, 施偉斌, 範坤坤, 餘家寶, 呂濤 申請人:上海理工大學