【技術(shù)實現(xiàn)步驟摘要】
本公開涉及行人導(dǎo)航，尤其涉及一種行人運動狀態(tài)的檢測與識別方法、行人運動狀態(tài)的檢測與識別裝置、電子設(shè)備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品。
技術(shù)介紹
1、行人導(dǎo)航技術(shù)的研究在20世紀90年代末興起，能夠在室內(nèi)、叢林等衛(wèi)星信號弱的情況下提供符合應(yīng)用需求的定位。行人在行走、跑步等不同運動狀態(tài)下的步長參數(shù)不同，因此為實現(xiàn)高精度的行人導(dǎo)航，需要對行人的運動狀態(tài)進行準確的檢測與識別。同時，隨著人機交互、智能家居等概念的提出，用戶的運動狀態(tài)識別有助于機器人做出正確的反應(yīng)，提供更加完善的服務(wù)。
2、在行人導(dǎo)航領(lǐng)域，運動狀態(tài)檢測與識別以慣性測量單元(inertial?measurementunit，imu)為核心，輔以氣壓計、磁力計等信息，對行人的運動狀態(tài)進行準確的判斷。運動狀態(tài)識別結(jié)果能夠為常用的行人航位推算技術(shù)(pedestrian?dead?reckoning，pdr)中的步長參數(shù)提供參考，有效地提高行人航位推算算法的導(dǎo)航精度以及魯棒性。
3、有學(xué)者利用小波變換的方法，在頻域上對行人慣性數(shù)據(jù)進行分析，根據(jù)慣性數(shù)據(jù)的時頻特點對運動狀態(tài)進行分類。這種方法識別準確率較高，但計算量大，計算復(fù)雜度高，難以在硬件上進行部署，難以在硬件上實現(xiàn)運動狀態(tài)實時輸出。利用機器學(xué)習(xí)的方法，如神經(jīng)網(wǎng)絡(luò)、支持向量機等，通過慣性數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，將輕量化網(wǎng)絡(luò)部署在單片機上可以實現(xiàn)實時的步態(tài)識別。但這種方法需要解決網(wǎng)絡(luò)泛化性的問題，并且易受到傳感器噪聲、行人異常運動的影響。
4、綜上所述，行人運動狀態(tài)檢測與識別方法能夠提高行人導(dǎo)航精度，并
技術(shù)實現(xiàn)思路
1、本公開提供了一種行人運動狀態(tài)的檢測與識別技術(shù)方案。
2、根據(jù)本公開的一方面，提供了一種行人運動狀態(tài)的檢測與識別方法，包括：
3、獲得目標用戶的第一慣性數(shù)據(jù)；
4、對所述第一慣性數(shù)據(jù)進行濾波，得到濾波后的第一慣性數(shù)據(jù)；
5、將所述濾波后的第一慣性數(shù)據(jù)輸入所述目標用戶對應(yīng)的目標行人運動狀態(tài)檢測與識別模型，通過所述目標行人運動狀態(tài)檢測與識別模型對所述目標用戶進行運動狀態(tài)的檢測與識別，得到所述目標用戶的第一運動狀態(tài)預(yù)測結(jié)果，其中，所述目標行人運動狀態(tài)檢測與識別模型采用長短時記憶網(wǎng)絡(luò)。
6、在一種可能的實現(xiàn)方式中，在所述得到所述目標用戶的第一運動狀態(tài)預(yù)測結(jié)果之后，所述方法還包括：
7、對所述第一運動狀態(tài)預(yù)測結(jié)果進行至少一種后處理，得到校正的第一運動狀態(tài)預(yù)測結(jié)果；
8、其中，所述后處理包括以下至少之一：均值濾波、閾值判斷處理、連續(xù)性判斷處理。
9、在一種可能的實現(xiàn)方式中，所述獲得目標用戶的第一慣性數(shù)據(jù)，包括：
10、通過佩戴在目標用戶的腰部的慣性測量單元，采集所述目標用戶的第一慣性數(shù)據(jù)。
11、在一種可能的實現(xiàn)方式中，在所述獲得目標用戶的第一慣性數(shù)據(jù)之前，所述方法還包括：
12、獲得所述目標用戶的第二慣性數(shù)據(jù)；
13、基于所述第二慣性數(shù)據(jù)，確定所述目標行人運動狀態(tài)檢測與識別模型。
14、在一種可能的實現(xiàn)方式中，所述獲得所述目標用戶的第二慣性數(shù)據(jù)，包括：
15、輸出第一指定動作集對應(yīng)的第一提示信息；其中，所述第一指定動作集包括至少一種指定動作；所述第一提示信息用于提示：所述第一指定動作集中的指定動作的類型，以及，所述第一指定動作集中的指定動作的時長和/或次數(shù)；
16、在所述目標用戶基于所述第一提示信息執(zhí)行所述第一指定動作集中的指定動作的過程中，獲得所述目標用戶的第二慣性數(shù)據(jù)。
17、在一種可能的實現(xiàn)方式中，所述基于所述第二慣性數(shù)據(jù)，確定所述目標行人運動狀態(tài)檢測與識別模型，包括：
18、將所述第二慣性數(shù)據(jù)輸入預(yù)先訓(xùn)練的用戶身份識別模型，通過所述用戶身份識別模型識別所述目標用戶的身份信息；
19、響應(yīng)于識別出所述目標用戶的身份信息，基于所述目標用戶的身份信息，確定所述目標用戶對應(yīng)的目標行人運動狀態(tài)檢測與識別模型。
20、在一種可能的實現(xiàn)方式中，所述基于所述第二慣性數(shù)據(jù)，確定所述目標行人運動狀態(tài)檢測與識別模型，包括：
21、響應(yīng)于所述目標用戶為新用戶，基于所述第二慣性數(shù)據(jù)，從多種體態(tài)特征對應(yīng)的多個行人運動狀態(tài)檢測與識別模型中，確定所述目標行人運動狀態(tài)檢測與識別模型。
22、在一種可能的實現(xiàn)方式中，在所述從多種體態(tài)特征對應(yīng)的多個行人運動狀態(tài)檢測與識別模型中，確定所述目標行人運動狀態(tài)檢測與識別模型之前，所述方法還包括：
23、預(yù)先訓(xùn)練多種體態(tài)特征對應(yīng)的多個行人運動狀態(tài)檢測與識別模型；
24、其中，對于任意一種體態(tài)特征對應(yīng)的行人運動狀態(tài)檢測與識別模型，采用所述體態(tài)特征對應(yīng)的慣性數(shù)據(jù)訓(xùn)練集，對所述體態(tài)特征對應(yīng)的行人運動狀態(tài)檢測與識別模型進行訓(xùn)練。
25、在一種可能的實現(xiàn)方式中，在所述確定所述目標行人運動狀態(tài)檢測與識別模型之后，所述方法還包括：
26、響應(yīng)于滿足預(yù)設(shè)的模型調(diào)整條件，輸出第二指定動作集對應(yīng)的第二提示信息；其中，所述第二指定動作集包括至少兩種指定動作；所述第二提示信息用于提示：所述第二指定動作集中的指定動作的類型，以及，所述第二指定動作集中的指定動作的時長和/或次數(shù)；
27、在所述目標用戶基于所述第二提示信息執(zhí)行所述第二指定動作集中的指定動作的過程中，獲得所述目標用戶的第三慣性數(shù)據(jù)；
28、采用所述第三慣性數(shù)據(jù)對所述目標行人運動狀態(tài)檢測與識別模型進行訓(xùn)練。
29、在一種可能的實現(xiàn)方式中，所述預(yù)設(shè)的模型調(diào)整條件包括以下至少之一：
30、所述目標用戶為新用戶；
31、接收到來自于所述目標用戶的運動狀態(tài)類型配置請求；
32、接收到來自于所述目標用戶的傳感器布置更改請求。
33、根據(jù)本公開的一方面，提供了一種行人運動狀態(tài)的檢測與識別裝置，包括：
34、第一獲得模塊，用于獲得目標用戶的第一慣性數(shù)據(jù)；
35、濾波模塊，用于對所述第一慣性數(shù)據(jù)進行濾波，得到濾波后的第一慣性數(shù)據(jù)；
36、運動狀態(tài)檢測與識別模塊，用于將所述濾波后的第一慣性數(shù)據(jù)輸入所述目標用戶對應(yīng)的目標行人運動狀態(tài)檢測與識別模型，通過所述目標行人運動狀態(tài)檢測與識別模型對所述目標用戶進行運動狀態(tài)的檢測與識別，得到所述目標用戶的第一運動狀態(tài)預(yù)測結(jié)果，其中，所述目標行人運動狀態(tài)檢測與識別模型采用長短時記憶網(wǎng)絡(luò)。
37、在一種可能的實現(xiàn)方式中，所述裝置還包括：
38、后處理模塊，用于對所述第一運動狀態(tài)預(yù)測結(jié)果進行至少一種后處理，得到校正的第一運動狀態(tài)預(yù)測結(jié)果；
39、其中，所述后處理包括以下至少之一：均值濾波、閾值判斷處理、連續(xù)性判斷處理。
40、在一種可能的本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種行人運動狀態(tài)的檢測與識別方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述得到所述目標用戶的第一運動狀態(tài)預(yù)測結(jié)果之后，所述方法還包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲得目標用戶的第一慣性數(shù)據(jù)，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲得目標用戶的第一慣性數(shù)據(jù)之前，所述方法還包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述獲得所述目標用戶的第二慣性數(shù)據(jù)，包括：
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于所述第二慣性數(shù)據(jù)，確定所述目標行人運動狀態(tài)檢測與識別模型，包括：
7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于所述第二慣性數(shù)據(jù)，確定所述目標行人運動狀態(tài)檢測與識別模型，包括：
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，在所述從多種體態(tài)特征對應(yīng)的多個行人運動狀態(tài)檢測與識別模型中，確定所述目標行人運動狀態(tài)檢測與識別模型之前，所述方法還包括：
9.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述確定所述目標行人運動
10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述預(yù)設(shè)的模型調(diào)整條件包括以下至少之一：
11.一種行人運動狀態(tài)的檢測與識別裝置，其特征在于，包括：
12.一種電子設(shè)備，其特征在于，包括：
13.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至10中任意一項所述的方法。
14.一種計算機程序產(chǎn)品，包括計算機可讀代碼，或者承載有計算機可讀代碼的非
...【技術(shù)特征摘要】
1.一種行人運動狀態(tài)的檢測與識別方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述得到所述目標用戶的第一運動狀態(tài)預(yù)測結(jié)果之后，所述方法還包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲得目標用戶的第一慣性數(shù)據(jù)，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲得目標用戶的第一慣性數(shù)據(jù)之前，所述方法還包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述獲得所述目標用戶的第二慣性數(shù)據(jù)，包括：
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于所述第二慣性數(shù)據(jù)，確定所述目標行人運動狀態(tài)檢測與識別模型，包括：
7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于所述第二慣性數(shù)據(jù)，確定所述目標行人運動狀態(tài)檢測與識別模型，包括：
...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：郭美鳳，劉剛，田博元，陸鑫宇，曾瓊，樂佳君，
申請(專利權(quán))人：清華大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。