基于峰度系数的行人水平行走步态细化分类算法

步态是人的一种生物特征,在定位导航领域具有重要的研究意义.基于微机电系统(micro-electro-mechanical system,MEMS)惯性传感器技术的行人步态分类方法大多是使用加速度峰值判别法对当前行人步态进行识别.但布朗运动造成的仪器自有噪声及环境等因素的干扰,使得采集到的信号带有许多伪峰值,降低了最终分类结果的精度.针对这一问题,从整体波形角度出发,提出一种基于峰度系数的行人水平行走步态细化分类算法.该算法首先使用快速傅里叶变换将MEMS传感器采集的行人前进方向的步态加速度信号从时域转换到频域,获得频域信号后再对其模值取平方;然后通过傅里叶逆变换回到时域,得到原信号的自放大信号,并除去大部分的伪峰值;最后计算自放大信号的峰度系数,通过对峰度系数值的分析,达到对慢走、走、慢跑进行区分的目的.验证结果表明:该算法的步态识别率达到98.62%;与加速度值-频率功率融合算法相比,整体分类精度提高了7.37%.     

基于无线穿戴式传感系统的智能步态检测研究

为了实现精确的人体步态检测并实时反馈给机器人系统,设计了一种基于惯性传感器的无线传感器节点,在此基础上研发了一套无线穿戴式传感系统.基于人体下肢模型,提出一种可靠的步长和步向检测算法.使用五个自主设计的低成本惯性传感器节点固定在人体下肢和腰部,实现了相对精确的步态测量.为了进一步提高测量精度,利用回声状态网络对整个系统测量误差进行校正,校正后步长测量误差小于3.5cm,步向测量误差小于4.5°.实验结果表明该系统与方法能够实现高精度的步态检测.     

基于异构多源传感的行人长航时变步长误差修正技术

低成本微机电系统(micro-electro-mechanical system,MEMS)传感器广泛应用于行人定位导航中,但在长航时下,MEMS传感器零位会随时间产生漂移,导致行人变步长误差成为主要误差.且传统的足绑式导航利用MEMS传感器自身信息判断零速时刻会出现错判漏判等问题.针对这两点,根据行人步态变化规律,在判断零速时刻时,加入压力传感器辅助的异构多源传感,同时针对系统误差设计了用于补偿的误差修正算法.对比传统方法,该设计可以明显提高导航定位精度,定位精度可提高一个数量级.     

基于惯性测量器件的无线步态分析平台

步态定量测量方法应用于许多领域,如临床医学、双足机器人控制等.采用惯性测量单元结合无线传感器网络建立了一个步态分析平台,将两个无线惯性测量单元传感器节点分别绑定在左右双侧脚踝,以同时采集双脚运动过程中的加速度和角速度信号,并将其通过无线方式发送到远程终端.通过模式识别、时间序列分析、阈值检测和零速修正等多种数据融合方法计算步态参数,并通过融合双足传感器数据得到双支撑相、双脚步行周期等重要的双足步态参数,其中双支撑相参数对人体日常动作的识别有重要意义.实验结果显示该研究具有较高的计算精度.     

基于惯性传感器与WiFi的室内行人轨迹推算

为了实现室内无GPS情况下行人的运动轨迹推算,设计了一种基于智能手机惯性元件和WiFi的室内行人轨迹推算算法.该算法基于粒子滤波,利用手机加速度计和陀螺仪进行步态检测和每步旋转角度推算,并使用了一种基于WiFi强度变化趋势的WiFi地标策略.实验结果显示,使用该算法优化后的行人轨迹收敛,接近真实的运动轨迹.在仅使用惯性传感器和WiFi的情况下,可以有效地控制陀螺仪误差积累,完成固定手机姿态的行人轨迹推算.     

微型组合导航系统中的传感器野外标定方法

微型组合导航系统中的惯性传感器包括MEMS加速度计、MEMS陀螺仪和地磁传感器等.其精度较低,标度因数、零偏等参数易受环境影响,尤其是温度,因此室内标定得到的标度因数、零偏等参数在野外环境下不再可靠,需要修正.新方法中不需要转台等惯性测试基准设备,只需将导航系统转动6个不同位置,记录各传感器的输出,解方程组即可得到加速度计、陀螺仪和地磁传感器的零偏和标度因数误差,提高了测量精度.通过多组实验证明了该方法简单、可靠,标定精度较高,适用于短时间、低中精度导航系统.     

超宽带矢量测距与惯性传感组合的精准步长计算算法

为适应复杂环境下变步长精准测量要求,提出一种基于超宽带（ultra wide band,UWB）矢量测距和惯性传感组合的精准步长计算算法;针对基于惯性传感组合的步长测算精度受佩戴方式和系统运行时间影响以致无法实现行人步长精准测量和长航时精度保持的问题,提出一种结合足间模型与零速检测联合步长算法。根据行人行走时足部轨迹模型构造足间步长模型,得到准确的步长计算公式;根据足部惯性传感器运动特征进行零速检测并触发UWB测距,结合陀螺解算角度和足间模型公式计算得到步长。实验表明,提出的步长估计算法精度可达98.20%,与传统步长算法相比,误差显著降低。     

多惯性传感器的数据采集及其质量筛选研究

MEMS惯性传感器在商业上得到广泛应用,但由于MEMS工艺、检测电路等条件的限制,在精度和可靠性方面存在劣势,有些传感器误差较大或完全损坏。为此,设计了基于STM32的多惯性传感器数据采集系统,通过实验采集了大量的传感器数据,在惯性传感器的误差分析的基础上,提出了MEMS惯性传感器快速筛选方法,基于该方法对采购的批量MEMS惯性传感器进行了筛选,剔除了不可靠的传感器。结果表明,该系统稳定可靠、数据采集真实准确,快速筛选方法对MEMS惯性传感器的筛选十分有效,可用于工程实践中。     

消费级MEMS惯性传感器的工程快速筛选方法

低成本MEMS惯性测量单元(IMU)在商业上得到广泛应用,但由于MEMS工艺、检测电路等条件的限制,MEMS惯性测量单元在精度和可靠性方面存在劣势,其中有一部分完全不能使用.针对这一问题,提出一种切实可行的MEMS惯性传感器的工程快速筛选方法,设计了24传感器的批量数据采集平台;根据Allan方差原理,对15枚MPU6050进行了原始数据曲线和Allan标准差的双对数曲线的计算和绘制.通过分析,剔除了其中的6枚不能够使用的器件,确定了9枚平均性能器件,剔除率达40%.避免了因劣质器件问题导致实验数据不可靠性以及影响用户的体验,大幅度节约MEMS惯性传感器的筛选时间,确保了后续系统集成的顺利进行.该方法也适用于高成本MEMS惯性传感器筛选出优质器件.     

融合人脸与步态周期模式的行人检测

提出多自由度的多核跟踪MeanShift算法,其在运动人体目标与背景图像的颜色信息较为接近时仍能鲁棒地跟踪.将所提出的跟踪算法用于融合人脸与步态周期模式的行人检测新算法,将闭环的控制思想引入到行人检测中,即通过步态周期和相应的跟踪反馈验证的理论方法来解决行人检测中误报率高的问题;还对行人部分轮廓存在遮挡的情况提供行人检测的新思路,即通过检测人脸来确定检测对象是否是行人,以解决当前行人检测算法检测率低的问题.     

基于过程神经网络的步态模式自动分类

为克服步态辨识中特征向量法存在的步态特征难于提取、计算量大和算法复杂等局限,提出一种基于过程神经网络的步态模式自动分类综合方案.为感知人体步态,在测试者下肢安装加速度传感器来采集步行过程中的时序运动学信息.采用巴特沃斯滤波处理并将其拟合为时变函数直接输入到过程神经网络,利用其对任意连续泛函的逼近能力来实现对不同步态模式...     

一种改进的行人导航算法研究

目前大多行人导航系统的研究都以手持手机、绑在腰间等单一姿态为前提,并未考虑行人使用手机过程中同时存在接电话、放在上衣口袋等多种姿态的情况.分析了行人使用手机的4种常见姿态,基于行人航迹推算(pedestrian dead reckoning,PDR)算法设计了一种改进的行人导航算法.利用神经网络(back propagation,BP)模型对手机姿态进行智能识别,设计了一种新的步态检测算法来对多姿态下的步态进行有效检测,并将行人行走过程分为单一姿态与姿态切换过程,对2个过程的航向进行了修正.软件测试结果表明,多姿态下实现系统定位精度在20‰以内,达标率在85％以上,应用于导航系统能够提供准确、可靠、持续的位置信息.     

基于数据仓库和数据挖掘的人体信息传感／记录／诊断／预测微系统

在分析介绍了微机电系统（MicroElectroMechenicalSystem, MEMS）技术、人体传感器网络技术（Body Sensor Networks）、微型数据存储技术、数据仓库与挖掘技术、网格计算技术的基础上,提出了人体信息传感／记录／诊断／预测微系统（Human body sensing／recording／diagnostics／prediction microsystem,SRDP）的概念,其核心思想是利用MEMS技术、人体传感网络技术和数据存储技术对人体生理参数进行长期检测和记录,通     

基于智能手机MARG传感器的行人导航算法

对于手持式移动设备的定位导航需求,特别是在室内无法接收到GPS信号的恶劣环境,提出了一种基于智能手机上的磁力计,陀螺仪和加速度计（magnetic,angular rate and gravity, MARG）传感器的行人导航算法,该算法在行人航迹推算的基础上,利用数字低通滤波器滤波后的加速度计三轴模值数据,对行人步态进行检测,采用经验模型对行人步长进行估计,并结合扩展卡尔曼滤波器,采用自适应的方式实时调整测量噪声协方差矩阵,将MARG传感器融合数据用于最佳航向角估算。在智能手机平台上进行测试验证,实验结果表明,在无磁或有磁干扰环境下,所提出的行人导航算法均可保证准确、可靠、持续的位置信息。     

基于深度图像的人体关节定位与步态分析

根据面向家庭的健康状况评估的需要,结合Kinect深度图像的特点,提出一种无标记点的下肢关节定位和步态分析方法.首先利用分层处理ViBe算法提取人体目标,然后在多关节骨架模型基础上,采用自适应阈值法来区分侧面人体的前后腿,根据相邻样本差值分别判断膝关节与踝关节有无遮挡现象,再利用比例扩大法和边缘定位法实现下肢各关节定位.最后对获取的关节动态数据进行分析获取步态参数.通过与手工标记点方法的步态分析进行比较实验,表明该算法的人体关节定位的准确度能够较好地满足步态分析的需要.     

基于运动特征分析的人体异常行为模糊识别

针对当前基于运动传感技术的人体行为监测方案中存在的运动信息种类单一、运动特征提取不完善、识别算法复杂、鲁棒性弱等问题,提出运用多MEMS传感器采集人体姿态角和线性加速度,为人体行为识别提供准确、多样的运动信息;通过对滑动时间窗内运动信息进行数学统计,提取人体运动特征;基于这些特征,设计模糊模式识别模型,对人体异常行为进行识别.实验结果表明:该方案识别率高,平均识别率达97.6%,鲁棒性强,软硬件复杂度大大降低,易于借助嵌入平台实现独立的模块化设计,具有很强的实用性.     

角速度信号在功能性电刺激系统步态分段算法中的应用

研究可应用于功能性电刺激输出控制的步态识别算法,利用MEMS传感器采集步态的角速度数据,通过设置阈值实时识别患者行走时的摆动相,在脚跟离地时刻开启功能性电刺激,在脚跟着地时刻停止电刺激.平地自由行走模式和跑步机平台下的实验结果表明:该算法对脚跟离地和脚跟着地两个时刻的识别率分别大于97%和98%.本算法不需要积分运算,避免了累积误差,步态分段准确性高且算法简单,易于在单片机中实现,为研究穿戴式功能性电刺激系统提供了基础与保证.     

一种轮廓变化图像小波矩的步态识别

针对计算机视觉中的步态图像提取问题,提出了一种基于行人轮廓变化的人体步态识别方法.对图像序列进行预处理,提取并采样行人轮廓,通过分析基于区域直方图的运动信号来估计2个单步长度,叠加前后帧间的新增轮廓区域和消失轮廓区域,从而构造出2组运动历史图像,并用其表达行人的步态特征,最后采用小波矩不变量提取这2组图像的特征,以作分类和识别之用.经Soton数据库实验表明,所提算法能很好地体现步态的时变信息和空间信息,大大降低了计算维数,所用小波矩的特征向量不仅具有平移、缩放和旋转不变性,而且具有局部性和多分辨率特征,正确识别率可达88.20%.     

利用惯性传感器数据实时示教下肢外骨骼步态的研究

为实时、灵活和方便地示教下肢外骨骼机器人的步态，提出利用惯性传感器实时示教步态的方法。通过示教者下肢末端的传感器，实时采集脚掌的位姿数据，再根据逆向运动学理论建立下肢各关节角的算法，从而实现每条下肢只需一只传感器即可示教步态的要求。通过安放在小腿和大腿上的其他惯性传感器实测的数据，验证该方法可行性。研究结果表明，该方法时间滞后0.15 s,关节最大误差在2°范围内，能够实现步态的实时示教控制。     

室内行人航向修正算法研究

室内环境下的行人导航问题是当前导航领域的研究难点与热点,基于足绑式MEMS是行人导航的主要形式之一。针对目前行人导航航向发散的问题,同时避免磁力计引入外部误差,在零速更新（ZUPT）的基础上,研究了磁角速率更新（MARU）的航向修正算法,假定行人处于零速区间时磁场是恒定的,当惯性传感器转动时,磁力计的三维矢量也会相应变化,利用磁场的变化信息作为零速时刻陀螺仪输出角速率的观测值,并通过扩展卡尔曼滤波（EKF）对角速度误差进行补偿,从而限制航向角的漂移。实验结果表明,该算法航向跟踪性强,对航向修正有一定的有效性,其终点定位误差占总路径的0.55%,达到了良好的定位精度。