一種慣性導航技術領域的基于支持向量機的行人步態分類系統及方法，包括：數據采集模塊、數據處理模塊以及帶有存儲介質的SVM模塊，數據采集模塊采集步態訓練數據并輸出至數據處理模塊進行數據處理，數據處理模塊將得到訓練數據輸入量輸出至SVM模塊進行學習并得到SVM分類器后存儲于存儲介質；實時測試時，通過數據采集模塊實時采集實時步態信息后由數據處理模塊進行所述的數據處理得到測試數據輸入量，并經SVM模塊根據SVM分類器對測試數據輸入量分類處理，得到實時步態類型。本發明專利技術能夠精確的檢測行人運動過程中的靜止區間，提高定位精度。
【技術實現步驟摘要】
本專利技術涉及的是一種慣性導航
的技術，具體是一種利用支持向量機(Support Vector Machine, SVM)實現行人步態實時分類的系統及方法。
技術介紹
步態分類的目的是將行人步態分類行走和跑步兩大類，并在行人慣性導航中對不 同的步態運用更合理高效的檢測方法。由于在行人慣性導航領域，針對行人行走的靜止檢 測方法并不適用于跑步的步態情況，因此相同檢測方法下的跑步定位的精度較低。有效識 別跑步步態有助于對其采用更有針對性的靜止檢測方法，提高行人慣性導航算法的定位精 度。 SVM是一種建立在統計學習理論基礎上的線性分類器。其算法是一個凸優化問題， 其局部最優解即為全局最優解。它的特點是根據結構風險最小化原則，在有限的樣本信息 在模型的復雜性和泛化學習能力之間尋求最佳折衷，能有效避免過度學習或陷入局部最優 等缺點。以二維數據為例，兩類數據點分布在一個二維平面中，其基本原理是通過訓練找到 能夠分開這兩類數據點的分類線。雖然這樣的分類線有很多，但有且僅有一條分界線滿足 到兩類數據點的類間間隔最大，被稱為最優分類線，即為不同類的、在分類線垂直方向投影 到最近的數據點距離最短的一條分類線。對多維數據而言，數據點分布在多位空間內，SVM 分類器得到的是最優分類超平面。 經過對現有技術的檢索發現，中國專利文獻號CN104008398A，【公開日】2014 -8 -27，公開了一種基于多傳感器信息融合的步態分類方法，該技術包括：采集若干個患者行走時 的足底壓力信息與踝關節角度信息；根據獲取的足底壓力信息分析患者的步態階段，該步 態階段分為足部觸地階段和擺腿階段，而患者同一只腳經過足部觸地階段和擺腿階段為一 步態周期；設定步態周期的特征值，以表征每一個患者行走時的步態特征；針對每一個患 者的每一步態周期內的每一特征值采用譜聚類算法進行步態聚類分析，以將不同步態特征 的患者分為不同的類別，通過客觀的將患者進行分類，從而為患者康復訓練治療提供參考， 以便醫生可以對不同類別的患者采取不同的治療方式和訓練強度。該技術實施過程中必 須根據傳感器信息對每個步態周期內的不同區間進行劃分，并且該技術僅用于識別患者個 體。 中國專利文獻號CN102772211A公開（公告）日2012. 11. 14,公開了一種人體運動 狀態檢測系統及檢測方法，其中系統主要包括人體運動數據采集模塊、數據處理模塊、數據 歸一化映射模塊以及運動狀態匹配模塊。檢測方法首先通過人體運動數據采集，然后對運 動數據處理、接著建訓練狀態樣本庫，最后對運動狀態進行判別。該技術解決現有識別和檢 測方法都有耗材繁瑣，環境要求苛刻，不適宜大規模使用，不適宜在日常生活推廣的弊端的 技術問題，該技術通過編程利用智能手機自帶的傳感器，不僅不會對用戶的原來運動造成 太大干擾，而且能實時、快速、精確地對用戶的運動狀態做出判斷，并作出相應的處理。 但由于人以一定速度行走時，步態可認為是周期性的，但分析時域內某個采樣點 的數據與0. 1秒之后的數據可能表示不同的步態。雖然后者只是前者的平移，但在SVM分 類時，它們會在輸入空間中出現在完全不同的位置。故上述技術采用時域內的數據進行分 析不夠具有代表性，得到的結果不夠精確。
技術實現思路
本專利技術針對在行人慣性導航中，行走和跑步兩種步態適合采用不同的靜止檢測方 法的技術問題，提出一種，分類時無需劃分步 態周期中的靜止與運動區間且可以對行人行走和跑步兩大類步態進行分類，此外本專利技術對 每一組行人步態數據獨進行FFT (快速傅里葉變換），采用FFT幅值作為最終的SVM輸入數 據，通過數據轉換到頻域內進行分析，能夠精確的檢測行人運動過程中的靜止區間，提高定 位精度。 本專利技術是通過以下技術方案實現的： 本專利技術涉及以一種基于支持向量機的行人步態分類系統，包括：數據采集模塊、數 據處理模塊以及帶有存儲介質的SVM模塊，其中：數據采集模塊采集步態訓練數據并輸出 至數據處理模塊進行數據處理，數據處理模塊將得到訓練數據輸入量輸出至SVM模塊進行 學習并得到SVM分類器后存儲于存儲介質；實時測試時，通過數據采集模塊實時采集實時 步態信息后由數據處理模塊進行所述的數據處理得到測試數據輸入量，并經SVM模塊根據 SVM分類器對測試數據輸入量分類處理，得到實時步態類型。 所述的數據處理包括：采樣點選取處理、坐標變換處理、快速傅里葉變換幅值提取 和數據降維處理。 所述的數據采集模塊安裝于行人足部，具體包括：用于采集三軸加速度信號的加 速度計和用于采集三軸角速度信號的陀螺。 所述的數據處理模塊包括：依次連接的采樣點選取單元、坐標變換單元、快速傅里 葉變換幅值提取單元和數據降維單元。 本專利技術涉及上述系統的實現方法，包括以下步驟： 1)通過數據采集模塊采集若干組行人行走和跑步的足部運動信息作為步態訓練 數據； 每組步態訓練數據中僅包含一種步態，即為純行走或純跑步數據，該步態訓練數 據具體為通過安裝于行人足部的數據采集模塊采集到的行人行走或跑步時的足部運動信 息，包括行人運動時足部產生的加速度和角速度信號。 2)將所獲取的步態訓練數據經過數據處理模塊進行數據處理，得到SVM分類器的 訓練數據輸入量，具體包括以下步驟： 2. 1)采樣點選?。哼x取步態訓練數據中的每個采樣點前一段時間內的數據，或提 取若干組步態訓練數據的每個采樣點前一段時間，即等同于若干個采樣點作為一條數據輸 入量。 所述的一段時間的長度以能夠辨別出行人步態的時間長度為宜，一般選取1秒時 間，具體實施時可根據傳感器類型相應調整。 2. 2)坐標變換：將載體坐標系下的步態訓練數據的坐標轉換至導航坐標系。 所述的步態訓練數據是指：由數據采集模塊采集所得的三軸加速度和三軸角速度 數據，共六組。 2. 3)快速傅里葉變換幅值提?。簩Ш阶鴺讼迪碌娜S加速度和角速度數據進 行FFT變換，并提取出FFT的頻率幅值。 2. 4)數據降維：將相鄰的一定數量的頻率幅值相加以縮短六組步態訓練數據（三 軸加速度和三軸角速度數據）的長度，再將該六組數據首位相接連成一個向量，即訓練數 據輸入量或測試數據輸入量。 所述的一定數量一般選取10,具體實施時可根據傳感器類型相應調整。 3) SVM模塊根據訓練數據輸入量訓練得到用于區分行走和跑步兩種步態的SVM分 類器； 4)實時測試時，通過數據采集模塊采集待測試的行人足部運動信息作為實時步態 信息； 所述的實時步態信息包括一種或多種步態，即可以是純行走或純跑步或既有行走 又有跑步的數據。 5)將實時步態信息經數據處理模塊與步驟2)相同的方式進行數據處理，得到SVM 分類器的測試數據輸入量； 6)用步驟3)中訓練后的SVM分類器對測試數據進行實時分類。 技術效果 與現有技術相比，本專利技術技術效果包括： 1、本專利技術采用加速度計和陀螺組成的的慣性測量單元； 2、本專利技術所采用的傳感器可安裝于足部任意位置； 3、本專利技術中利用支持向量機分類器進行分類的數據類型為加速度和角速度數 據； 4、本專利技術用于識別步態的依據為步態周期內任意時刻的本文檔來自技高網...
【技術保護點】
一種基于支持向量機的行人步態分類系統，其特征在于，包括：數據采集模塊、數據處理模塊以及帶有存儲介質的SVM模塊，其中：數據采集模塊采集步態訓練數據并輸出至數據處理模塊進行數據處理，數據處理模塊將得到訓練數據輸入量輸出至SVM模塊進行學習并得到SVM分類器后存儲于存儲介質；實時測試時，通過數據采集模塊實時采集實時步態信息后由數據處理模塊進行所述的數據處理得到測試數據輸入量，并經SVM模塊根據SVM分類器對測試數據輸入量分類處理，得到實時步態類型。
【技術特征摘要】
1. 一種基于支持向量機的行人步態分類系統，其特征在于，包括：數據采集模塊、數據 處理模塊以及帶有存儲介質的SVM模塊，其中：數據采集模塊采集步態訓練數據并輸出至 數據處理模塊進行數據處理，數據處理模塊將得到訓練數據輸入量輸出至SVM模塊進行學 習并得到SVM分類器后存儲于存儲介質；實時測試時，通過數據采集模塊實時采集實時步 態信息后由數據處理模塊進行所述的數據處理得到測試數據輸入量，并經SVM模塊根據 SVM分類器對測試數據輸入量分類處理，得到實時步態類型。2. 根據權利要求1所述的基于支持向量機的行人步態分類系統，其特征是，所述的數 據采集模塊安裝于行人足部，具體包括：用于采集三軸加速度信號的加速度計和用于采集 三軸角速度信號的陀螺。3. 根據權利要求1所述的基于支持向量機的行人步態分類系統，其特征是，所述的數 據處理模塊包括：依次連接的采樣點選取單元、坐標變換單元、快速傅里葉變換幅值提取單 元和數據降維單元。4. 一種根據上述任一權利要求所述系統的實現方法，其特征在于，包括以下步驟： 1) 通過數據采集模塊采集若干組行人行走和跑步的足部運動信息作為步態訓練數 據； 2) 將所獲取的步態訓練數據經過數據處理模塊進行數據處理，得到SVM分類器的訓練 數據輸入量，具體包括以下步驟： 2. 1)采樣點選取：選取步態訓練數據中的每個采樣點前一段時間內的數據，或提取若 干組步態訓練數據的每個采樣點前一段時間，即等同于若干個采樣點作為一條數據輸入 量； 2. 2)坐標變換：將載體坐標系下的步態訓練數據的坐標轉換至導航坐標系；所述的步 態訓練數據是指：由數據采集模塊采集所得的三軸加速度和三軸角速度數據，共六組； 2. 3)快速傅里葉變換幅值提?。簩Ш阶鴺讼迪碌娜S加速度和角速度數據進行FFT 變換，并提取出FFT的頻率幅值； 2.4)數據降維：將相鄰的一定數量的頻率幅值相加以縮短六組步態訓練數據的長度， 再將該六組數據首位相接連成一個向量，即訓練數據輸入量或測試數據輸入量； 3. SVM模塊根據訓練數據輸入量訓練得到用于區分行走和跑步兩種步態的SVM分類 器； 4) 實時測...
【專利技術屬性】
技術研發人員：吳哲君，唐雷，趙忠華，
申請(專利權)人：上海交通大學，
類型：發明
國別省市：上海;31
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。