CN103533888B - 用于分类哺乳动物的身体方位的装置和方法 - Google Patents
用于分类哺乳动物的身体方位的装置和方法 Download PDFInfo
- Publication number
- CN103533888B CN103533888B CN201280017642.1A CN201280017642A CN103533888B CN 103533888 B CN103533888 B CN 103533888B CN 201280017642 A CN201280017642 A CN 201280017642A CN 103533888 B CN103533888 B CN 103533888B
- Authority
- CN
- China
- Prior art keywords
- data
- classification
- feature
- equipment according
- displacement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 241000124008 Mammalia Species 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000006073 displacement reaction Methods 0.000 claims description 43
- 230000011218 segmentation Effects 0.000 claims description 15
- 230000007704 transition Effects 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 230000003068 static effect Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 7
- 230000019771 cognition Effects 0.000 claims 4
- 230000033001 locomotion Effects 0.000 description 23
- 230000008859 change Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 4
- 229910052753 mercury Inorganic materials 0.000 description 4
- 230000005484 gravity Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 208000000875 Spinal Curvatures Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000002493 climbing effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002153 concerted effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B5/00—Measuring arrangements characterised by the use of mechanical techniques
- G01B5/004—Measuring arrangements characterised by the use of mechanical techniques for measuring coordinates of points
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B5/00—Measuring arrangements characterised by the use of mechanical techniques
- G01B5/24—Measuring arrangements characterised by the use of mechanical techniques for measuring angles or tapers; for testing the alignment of axes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/004—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring coordinates of points
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/30—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring angles or tapers; for testing the alignment of axes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Geometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种用于提供哺乳动物的身体方位的分类的设备。该设备包括用于在身体上一个或多个点处测量相对于参考系的所述身***置的装置(10,11),其中用于测量的所述装置包括至少一个位置传感器。该设备包括:用于提供表示所述位置的第一数据的装置(12);用于至少暂时存储所述数据的装置(15);用于处理所述数据以提供所述身体方位的分类的装置(13,14)。此外,本发明还公开了一种用于提供哺乳动物的身体方位的分类的方法。
Description
技术领域
本发明涉及用于确定和分类脊椎哺乳动物的身体方位的装置和方法。本发明尤其适于在给定点处对受试人的姿势进行适时分类,其在文中会有描述。然而,应当理解的是,本发明并不因此局限于这种应用。对受试人的姿势进行分类包括确定受试主体是坐下、站立还是躺下。身体方位可包含更深层面的细节,包括笔直地坐、懒散地坐、跪着等,以及包括走路和跑步等的动态身体方位。
本发明涉及国际专利申请PCT/AU2005/000743中描述的方法和装置,其通过交叉引用而合并于此。
在本文中,使用有关哺乳动物身体的方位、站立、坐下以及躺下这些词语涉及到哺乳动物身体的对准或状态,直立的、笔直的或坐着的姿势,和/或水平的、斜倚的或蜷缩的方位。
背景技术
在许多涉及评估人类或其他哺乳动物的身体移动的应用中,如康复、应变或负荷监测、运动评估以及工作场所的设计与构造中,通过了解人类或哺乳动物的大体方位可以提高对活动进行评估的能力。这是因为通常作用于躯干或身体的任意肢体的力可明显受身体的方位影响。
例如,当身体从一个方位向另一个方位移动时(例如从坐下到站立或从站立到坐下),会发生许多生理和生物力学的变化。就生物力学而言,这种运动可导致多种解剖学特征的角位移相对于一个或多个参考平面的变化。因此,身体方位的识别需要测量相对于参考系的角位移。角位移可通过使用位置传感器来测量,如通过提供参照重力的位置的加速计、提供参照地球磁场的位置的磁力计、陀螺仪和/或光纤传感器来测量。本发明可使用位置传感器来检测哺乳动物身体上一个或多个点(如脊柱上的一个或多个点)的角位移,并可使用该位移来识别各种身体方位。
相关技术简介
据报道,很多基于安放于身体上的传感器的技术已用于身体方位或由人作出的当前活动的自动识别。通常,这些技术通过将传感器的输出与对应于一组希望的姿势的一组在先特征(signature)输出进行匹配来计算姿势的概率。
然而,现有技术还有许多不足,其包括:
(a)现有技术不能通过放置在脊柱上的位置传感器来获得身体方位;
(b)现有技术可能是计算密集的,并且需要基于PC的离线处理;
(c)一些现有技术的准确性在区别不同的静止位置如站立位置和就坐位置方面相对比较差;
(d)一些现有技术依赖过渡检测,例如从坐到站或从站到坐的检测,这在***连续检测当前姿势的场合中具有不能实时分类的缺陷。错过一次过渡可导致长期的错误分类状态;
(e)现有技术需要针对每个主体进行***校准,以使针对各种身体方位的特征值可以得到调节;
(f)一些现有技术***是基于汞的。基于汞的***的缺点包括汞自身的有害性质和动态运动期间传感器内的汞的溅出(这会导致错误读数和严重的校准过程)。
本发明可解决现有技术的缺点,或者至少可向用户提供一个选择。
发明内容
根据本发明的一个方面,提供了一种用于提供哺乳动物的身体方位的分类的设备,所述设备包括:
用于在身体上的一个或多个点处测量相对于参考系的所述身***置的装置,其中,用于测量的所述装置包括至少一个位置传感器;
用于提供表示所述位置的第一数据的装置;
用于至少暂时存储所述数据的装置;以及
用于处理所述数据以提供所述身体方位的分类的装置。
根据本发明的另一个方面,还提供了一种用于提供哺乳动物的身体方位的分类的设备,所述设备包括:
位置传感器,其设置成用于在身体上的一个或多个点处测量相对于参考系的所述身体的位置,并且用于提供表示所述位置的第一数据;
与位置传感器耦合的非易失存储装置,其设置成用于存储所述数据;以及
与位置传感器耦合的处理器,其设置成用于处理所述数据以提供身体方位的所述分类。
根据本发明的另一个方面,还提供了一种用于提供哺乳动物的身体方位的分类的方法,所述方法包括:
在身体上的一个或多个点处测量相对于参考系的所述身体的位置,其中所述测量由至少一个位置传感器来执行;
提供表示所述位置的第一数据;
至少暂时存储所述数据;以及
处理所述数据以提供身体方位的所述分类。
根据本发明的另一个方面,还提供了一种用于提供哺乳动物的身体方位的分类的方法,所述方法包括:
使用至少一个位置传感器来在身体上的一个或多个点处测量相对于参考系的所述身体的位置,并且提供表示所述位置的第一数据;
将所述数据存储在非易失存储装置中;以及
由处理器来处理所述数据以提供身体方位的所述分类。
身体上的点或每个点可定位在脊椎哺乳动物的脊柱上。该过程可实时执行以提高分类的准确性和/或有效性。
用于处理的装置可包括适于执行用于评估身体方位的算法的数字处理器。该算法可包括动态分类器和静态分类器。该算法可包括过渡分类器以提高分类的准确性。该算法可包括自适应模块。该算法可基于给主要身体方位(包括站、坐、躺以及动态的动作(运动中的动作))分配类别特征来评估身体方位。该算法可包括用以根据与每个姿势相关的特征或模式的辨识来识别姿势的逻辑树。与每个姿势相关的特征或模式可由在训练或学习阶段所获得的一组规则来确定。该算法可包括无监督学习,其用以基于针对个体所感测的当前数据修改先前所学习的与个体的姿势相关的特征或模式。
该位置传感器或各个位置传感器可应用于哺乳动物的腰椎上。各个位置传感器可包括加速计、陀螺仪以及磁力计中的至少一个。该位置传感器可沿三个正交轴测量角位移。
该数据可用于导出屈伸平面中的位移。作为附加或备选,该数据可用于导出侧屈平面中的位移。该数据可用于导出身体的旋转度。每个测量装置可包括至少一个用于将模拟数据转换成数字数据的AD转换器。这种AD转换可在存储数据之前进行。
用于测量位置的装置可测量侧屈平面或侧-侧弯曲平面中的位移。用于测量位置的装置还可测量屈伸平面或前-后弯曲平面中的位移。用于测量位置的装置可包括用于测量旋转度的装置。旋转度的测量可从一个或多个加速计、一个或多个磁力计、肌肉活动和/或一个或多个陀螺仪获得。
该位置传感器或每个位置传感器可包括至少一个加速计。该加速计或每个加速计可测量与之相联系的身体或身体部分的线性加速度。每个加速计可包括用于测量同时沿一个、两个或三个正交轴的加速度的结构。可通过本领域公知的集成处理来导出针对每个加速计的位移数据。作为备选或附加,可从一个或多个加速计获得数据以提供相对于如重力定义的方向的参考方向的角位移或位置。该设备可包括用于从如通过计算前向倾斜角度与侧面倾斜角度得到的加速度数据中获得角位置的结构。该设备可包括用于获得身体部分的旋转位置的结构,如陀螺仪。作为备选或附加,可从一个或多个磁力计中获得数据以提供相对于如由地球磁力场定义的方向的参考方向的角位移或位置。
加速计数据转换为位置数据
根据本发明的一个实施例,位置数据可通过至少一个加速计传感器而获取。每个加速计可检测PCB板上的微芯片内安装的小块的加速度。当PCB板和加速计从一个位置移动到另一个位置时,该块可经历运动开始时的加速度和运动停止时的减速度。加速计可以将该块的运动转换成以最原始形式表示数据的电压信号(通常为mV级)。
由于合力G是三维的,因此可采用三轴三角学,其中x是横轴,y是纵轴,而z是“穿过页面”轴。采用3D毕达哥拉斯和反正切公式,可推导出两个角度以给出加速计的位置。单独一个加速计只可以给出运动的方向,但是当有两个加速计的时候,两个加速计的角度之间的差可表示出一个加速计相对于另一个加速计的位置(角度)变化。这可允许该设备在三维坐标轴内在任意时刻实时计算脊柱的角位置。
可使用以下表达式来从加速计中导出角变化。
ep+o=lg fp+o=-lg其中:
e=针对1g的毫伏数 f=针对-1g的毫伏数 p=增益(放大器)
o=偏移量
求解p和o:
ep+o-fp-o=2g(e-f)p=2g
P~e-f ep+o=lg o-\g-ep或者fp+o=-lg o=~\g-Jp
注意:应当针对每个轴来计算p和o的值。
Xg ymVpy+Oy=Vg ZmVpz+Oz=Zg
以上三个等式显示了针对三个轴的跨度和将毫伏转换成重力加速度g的偏移量调整。
可根据以下公式计算针对合成向量的强度和倾斜角度(前向/侧向)。
强度:
该强度表示合力G在三维中的向量合。
前向倾斜角度:
前向倾斜角度和侧向倾斜角度θ、β给出了加速计分别相对于Z轴和X轴的旋转位置。
侧向倾斜角度:
磁力计数据转换为位置数据
根据本发明的另一个实施例,位置数据可通过至少一个磁力计传感器来获得。通过改变在硅片(各向异性磁阻效应磁力仪)上沉积的薄膜的阻力或改变磁铁芯(磁感应磁力计)上的线圈,每个磁力计可测量地球磁场的强度和/或方向。该线圈可包括单绕组,并可形成L/R弛缓振荡器中的电感元件。磁力计可计算在一个、两个或三个平面内的地球磁场的强度和/或方向。借助于三轴三角学,可采用地球的北极方向作为参考来计算身体的方位。
存储器可从每个传感器中接收数据。每个传感器可包括模数(AD)转换器或与模数(AD)转换器相关联。作为备选,每个传感器装置可输出模拟数据。存储器可包括一个或多个AD转换器或与之关联,以在存储数据之前将模拟数据转换到数字域。该设备可包括用于处理数据的数字处理器。该处理器可实时处理数据以向受监测的人提供生物反馈。该数字处理器可包括用于分类身体方位的算法。该数字处理器可使用该算法执行计算。
存储器或数据存储装置可以数字格式存储数据以便于之后分析和/或报告。在一种形式中,存储器或数据存储装置可包括用于存储数字数据的存储结构,比如存储卡、记忆棒、SSD或者类似物。存储器装置可以是可拆卸的以便于将数据下载至远程处理装置,如PC或其它数字处理引擎。
本发明的***可包括用户接口装置。该用户接口装置可包括显示屏和一个或多个控件(如按钮等)以允许用户与数据存储装置交互。
基于G力、本地地球磁场元件以及从放置在身体上的一个或多个位置传感器的输出中识别的角位移数据的组合,可采用身体方位分类(BOC)算法来对身体方位进行分类。BOC算法可基于机器学习。BOC算法可包括数据驱动方法以将域(一组决策变量)映射为范围(一组类)。在缺乏严格数学模型的情形下将每个域值映射至范围值时,BOC算法可识别数据中的模式,并可基于所识别的模式在一定概率下执行所需要的映射。
BOC算法可基于以下概念:每个身体方位均包含静态和动态分量,并且以G力的特定范围、本地地球磁场部件以及身体经历的角位移的形式显示出特征或模式。BOC算法可从由数量庞大的群体产生的数据中学习这种特征或模式。BOC算法可以实时将位置传感器的输出映射至已学习的模式,并从中辨别出当前身体方位。为修改先前已学习的与个体姿势相关的特征或模式,BOC算法可执行个体的当前所感应数据的无监督分类。从这个过程中生成的类特征可形成反馈环,以持续改进之前的类特征。
附图说明
下面将参照附图来说明本发明的优选实施例,其中:
图1显示了用于将哺乳动物身体的方位进行分类的装置的一种形式;
图2显示了根据本发明的一个实施例的BOC算法的基本架构;
图3显示了BOC算法的流程图;
图4显示了逻辑树的示例;和
图5显示了用于说明BOC算法中无监督分类模块的操作的示例。
具体实施方式
图1显示了放置在人体脊椎上的位置传感器10、11。位置传感器10、11通过无线链路12与适用于执行身体方位算法14的数字处理器13连接。存储器装置15与数字处理器13相关联,以将数据以数字格式进行存储。
参考图2至图4,BOC算法20可为包括站、坐和躺的基本身体方位分配类别特征。当带有分类装置的人处于这些状态中的一种时,原始的位置传感器数值显示出清楚的模式。这些模式表现为一序列的离散的时间序列G值、本地地球磁场分量以及在矢状面、冠状面和横断面中的角位移。可对多个主体进行离线研究,以便于建立对数量庞大的群体有效的一组模式。基于已建立的一组模式和针对给定主体的原始传感器数据,BOC算法可以执行如下分类:
步骤1:数据过滤
附着于人体上的位置传感器易受到多种环境因素的影响,比如突然的移动、震动以及偶然的无线掉线。由于每次发生的事件会在识别模式的任务时产生差错,因此BOC算法20包括过滤器21以从进入的传感器数据22中筛选并过滤掉离群值。传感器22中的离群值可表现为G读数或本地地球磁场量的突增和/或丢失数值。在本领域中已知多种用于消除这种错误的平滑数据和插值法的技术。
步骤2:动态运动的识别
与由环境因素引起的偶然扰乱类似,动态的人类运动经常造成位置传感器数据中的大幅度变化。尽管这种运动不影响磁力计读数,但是期望能检测到惯性传感器中的明显变化以避免错误分类。BOC算法20包括被监督的动态分类器23以使其可识别动态运动。这些运动可包括如慢跑、跑步、走路、爬楼梯等活动。动态分类器23可以利用一个特性,即当人静止或者在休息时做前驱/后伸或旋转动作时,由惯性传感器报告的G值显示出相对平滑的模式。另一方面,动态运动如跑步可因运动期间作用于人体的地面反作用力而导致惯性传感器数据中相对高的扰动。通常而言,动态人体运动遵循统一步速。因此,在动态运动中由惯性传感器报告的G数值中的扰动可遵循循环模式。动态分类器23可连续分析输入数据,并且一旦识别出G数值中的循环模式就可以将当前运动分类为动态运动。动态运动期间,方位分类的主要任务可悬挂中断。
步骤3:针对静态分类的模式识别
BOC算法20包括被监督的静态分类器24,以基于预定的原始位置传感器的值和/或角位置数据来识别姿势。
BOC算法20可采用基于逻辑树的方法来进行模式识别。图4显示了仅基于惯性数据的逻辑树方法的一个实施例。在图4中,标记Sik用来表示传感器i的沿k轴的G值,而Aj,j∈{1,2...10}代表一组离线训练阶段中确定的常数。
在训练阶段中,在先分类模型25使用逻辑树模型来制定基本分类规则。静态分类器24可以使用在先模型25来将输入的位置传感器数值和位移映射成主要的身体方位,如坐、站和躺。
步骤4:迭代验证
为进一步测试静态分类器24的准确度,BOC算法20包含被监督的过渡分类器26。过渡分类器26可在静态分类器24改变状态时使用。过渡分类器26可分析近期位置数值以确定这些数值是否遵循从一个状态过渡至另一个状态的清楚模式。当从一个身***置向另一个位置过渡时,人类通常表现出运动的通常模式。BOC算法20可利用该特性来提高静态身体方位分类的准确度。
过渡分类可以基于一种假设,即身体姿势“A”可以不仅由原始位置数值表征,也可以由一系列身体运动以及在主体到达姿势“A”之前的对应的脊椎弯曲形状来表征。比如,可在身***置从坐到站过渡时调用过渡分类器26,反之亦然。在离线训练阶段中,采用有关位置数据的统计数字可观察并定义从典型地坐到站(反之亦然)的方位的过渡行为。过渡分类器26可以实时计算并保持关于位置值的移动窗口的一些统计数字,并可确定实际是否发生过渡。基于此决策,BOC算法20可以选择新状态作为由静态分类器的返回,或者其可以继续使用上一个已知的状态。
步骤5:基于自适应分类器规则的无监督分类
BOC算法20包含无监督分类器27以自动使类别特征适用于个体主体。无监督分类(也称为数据聚类)目的在于在先前不知晓类别特征的情况下对数据分类。
图5说明了本发明的一个优选实施例中的无监督分类过程的示例。图5中的图表显示了由放置在实际主体的脊椎上的两个惯性传感器(10,11)捕获的角位移数据的散点图。散点图上的点1和2显示了训练阶段期间针对坐和站的位置确定的先前特征的位置。在这个示例中,该特征由来自两个传感器的角数据的组合来定义,因此其可在图表中标绘出。
无监督分类过程基于一种假设,即,在日常活动中人类大部分时间处于优选的坐或站的位置。对于图5中描述的示例,可通过中心接近于先前坐着或站立特征数值的两个聚类的出现来验证该假设。然而,由于该特征是在涉及众多人口的训练过程中学习的,并且并不基于当前主体,因此坐和站聚类并不完全在特征值处集中。根据本发明,无监督分类模块可处理输入数据,并使用经典k-means聚类算法的变量来收集该数据。所得到的聚类随后可与先前已知的类别特征进行比对,并且如果需要的话可以更新该特征。该过程可确保BOC算法20在不需要个体化校准的情况下自适应于个体主体。
最后,应该理解的是,在不背离本发明的精神或范围的情况下,可将各种改变、修改和/或补充引入前面描述的部分的结构和配置中。
Claims (44)
1.一种用于提供哺乳动物在静态和/或动态下的身体方位的分类的设备,所述设备包括:
设在所述哺乳动物的身体上部用以测量相对于参考系的身***置的两个位置传感器,从而提供所述身***置的第一数据,并且提供在静态和/或动态下的身体方位的所述分类;
存储装置,其耦接于所述两个位置传感器并配置用于至少暂时存储所述第一数据;以及
处理器,其用于接收所述第一数据并且用于处理所述第一数据以提供在静态和/或动态下的所述身体方位的分类,
其中,所述处理器包括用于评估身体方位的身体方位分类BOC算法,所述身体方位分类BOC算法包括动态分类器、静态分类器以及用于提高所述分类的准确性的过渡分类器。
2.根据权利要求1所述的设备,其中,所述两个位置传感器设在哺乳动物的脊椎上。
3.根据权利要求1或2所述的设备,其中,实时地执行处理,以提高所述分类的准确性。
4.根据权利要求1或2所述的设备,其中,所述身体方位分类BOC算法适于基于将类别特征分配给包括站、坐和躺的基本身体方位来评估所述身体方位,并且
其中,所述身体方位分类BOC算法包括基于与每种姿势相关的特征或模式的认知来识别姿势的逻辑树。
5.根据权利要求3所述的设备,其中,所述身体方位分类BOC算法适于基于将类别特征分配给包括站、坐和躺的基本身体方位来评估所述身体方位,并且
其中,所述身体方位分类BOC算法包括基于与每种姿势相关的特征或模式的认知来识别姿势的逻辑树。
6.根据权利要求4所述的设备,其中,由训练阶段中获取的一组规则来确定与每种姿势相关的特征或模式,并且
其中,借助无监督分类器来修改与每种姿势相关的特征或模式。
7.根据权利要求5所述的设备,其中,由训练阶段中获取的一组规则来确定与每种姿势相关的特征或模式,并且
其中,借助无监督分类器来修改与每种姿势相关的特征或模式。
8.根据权利要求6或7所述的设备,其中,所述无监督分类器收集所述第一数据,并基于在d维空间中到所对应聚类的中心的距离来更新特征或模式,其中d是定义特征的变量数。
9.根据权利要求1、2和5-7中任一项所述的设备,其中,每个位置传感器包括加速计、陀螺仪和磁力计中的至少一个,并且
其中,所述两个位置传感器适于沿三个正交轴测量角位移。
10.根据权利要求3所述的设备,其中,每个位置传感器包括加速计、陀螺仪和磁力计中的至少一个,并且
其中,所述两个位置传感器适于沿三个正交轴测量角位移。
11.根据权利要求4所述的设备,其中,每个位置传感器包括加速计、陀螺仪和磁力计中的至少一个,并且
其中,所述两个位置传感器适于沿三个正交轴测量角位移。
12.根据权利要求8所述的设备,其中,每个位置传感器包括加速计、陀螺仪和磁力计中的至少一个,并且
其中,所述两个位置传感器适于沿三个正交轴测量角位移。
13.根据权利要求1、2、5-7和10-12中任一项所述的设备,其中,所述第一数据用于导出如下各项中的一项或多项:
屈伸平面中的位移;
侧屈平面中的位移;和
所述哺乳动物的身体旋转度。
14.根据权利要求3所述的设备,其中,所述第一数据用于导出如下各项中的一项或多项:
屈伸平面中的位移;
侧屈平面中的位移;和
所述哺乳动物的身体旋转度。
15.根据权利要求4所述的设备,其中,所述第一数据用于导出如下各项中的一项或多项:
屈伸平面中的位移;
侧屈平面中的位移;和
所述哺乳动物的身体旋转度。
16.根据权利要求8所述的设备,其中,所述第一数据用于导出如下各项中的一项或多项:
屈伸平面中的位移;
侧屈平面中的位移;和
所述哺乳动物的身体旋转度。
17.根据权利要求9所述的设备,其中,所述第一数据用于导出如下各项中的一项或多项:
屈伸平面中的位移;
侧屈平面中的位移;和
所述哺乳动物的身体旋转度。
18.根据权利要求1、2、5-7、10-12和14-17中任一项所述的设备,其中,所述两个位置传感器包括至少一个用于将模拟数据转换到数字域的AD转换器,并且
其中,所述AD转换在存储所述第一数据前进行。
19.根据权利要求3所述的设备,其中,所述两个位置传感器包括至少一个用于将模拟数据转换到数字域的AD转换器,并且
其中,所述AD转换在存储所述第一数据前进行。
20.根据权利要求4所述的设备,其中,所述两个位置传感器包括至少一个用于将模拟数据转换到数字域的AD转换器,并且
其中,所述AD转换在存储所述第一数据前进行。
21.根据权利要求8所述的设备,其中,所述两个位置传感器包括至少一个用于将模拟数据转换到数字域的AD转换器,并且
其中,所述AD转换在存储所述第一数据前进行。
22.根据权利要求9所述的设备,其中,所述两个位置传感器包括至少一个用于将模拟数据转换到数字域的AD转换器,并且
其中,所述AD转换在存储所述第一数据前进行。
23.根据权利要求13所述的设备,其中,所述两个位置传感器包括至少一个用于将模拟数据转换到数字域的AD转换器,并且
其中,所述AD转换在存储所述第一数据前进行。
24.一种用于提供哺乳动物在静态和/或动态下的身体方位的分类的方法,所述方法包括:
测量所述哺乳动物相对于参考系的身***置,所述测量由设在所述哺乳动物的身体上部的两个位置传感器执行,以提供在静态和/或动态下的身体方位的所述分类;
从所述两个位置传感器提供表示所述身***置的第一数据;
至少暂时性地将所述第一数据存储在存储装置中;以及
由处理器处理所述第一数据,以提供身体方位的所述分类,其中,通过用于评估身体方位的身体方位分类BOC算法来执行所述处理,所述身体方位分类BOC算法包含动态分类器、静态分类器以及用于增加所述分类的准确性的过渡分类器。
25.根据权利要求24所述的方法,其中,所述两个位置传感器位于哺乳动物的脊椎上。
26.根据权利要求24或25所述的方法,其中,所述处理实时执行以增加所述分类的准确性。
27.根据权利要求24或25所述的方法,其中,所述身体方位分类BOC算法适于基于将类别特征分配给包括站、坐和躺的基本身体方位来评估所述身体方位,并且其中,所述身体方位分类BOC算法包括用以基于关于每种姿势的特征或模式的认知来识别姿势的逻辑树。
28.根据权利要求26所述的方法,其中,所述身体方位分类BOC算法适于基于将类别特征分配给包括站、坐和躺的基本身体方位来评估所述身体方位,并且其中,所述身体方位分类BOC算法包括用以基于关于每种姿势的特征或模式的认知来识别姿势的逻辑树。
29.根据权利要求27所述的方法,其中,由训练阶段中获取的一组规则来确定与每种姿势相关的特征或模式,并且
包括:借助于无监督分类器来修改与每种姿势相关的特征或模式。
30.根据权利要求28所述的方法,其中,由训练阶段中获取的一组规则来确定与每种姿势相关的特征或模式,并且
包括:借助于无监督分类器来修改与每种姿势相关的特征或模式。
31.根据权利要求29所述的方法,其中,所述无监督分类器收集所述第一数据,并基于d维空间中到所对应聚类的中心的距离来更新特征或模式,其中d是定义特征的变量数。
32.根据权利要求30所述的方法,其中,所述无监督分类器收集所述第一数据,并基于d维空间中到所对应聚类的中心的距离来更新特征或模式,其中d是定义特征的变量数。
33.根据权利要求24、25和28-32中任一项所述的方法,其中,每个位置传感器包括加速计、陀螺仪和磁力计中的至少一个,并且
其中,所述两个位置传感器适于沿三个正交轴测量角位移。
34.根据权利要求26所述的方法,其中,每个位置传感器包括加速计、陀螺仪和磁力计中的至少一个,并且
其中,所述两个位置传感器适于沿三个正交轴测量角位移。
35.根据权利要求27所述的方法,其中,每个位置传感器包括加速计、陀螺仪和磁力计中的至少一个,并且
其中,所述两个位置传感器适于沿三个正交轴测量角位移。
36.根据权利要求24、25、28-32、34和35中任一项所述的方法,其中,所述第一数据用于导出如下各项中的一项或多项:
侧屈平面中的位移;
屈伸平面中的位移;和
所述哺乳动物的身体旋转度。
37.根据权利要求26所述的方法,其中,所述第一数据用于导出如下各项中的一项或多项:
侧屈平面中的位移;
屈伸平面中的位移;和
所述哺乳动物的身体旋转度。
38.根据权利要求27所述的方法,其中,所述第一数据用于导出如下各项中的一项或多项:
侧屈平面中的位移;
屈伸平面中的位移;和
所述哺乳动物的身体旋转度。
39.根据权利要求33所述的方法,其中,所述第一数据用于导出如下各项中的一项或多项:
侧屈平面中的位移;
屈伸平面中的位移;和
所述哺乳动物的身体旋转度。
40.根据权利要求24、25、28-32、34、35和37-39中任一项所述的方法,其中,每个测量步骤包括将模拟数据转换至数字域,并且
其中,在存储所述第一数据前将数据转换至数字域。
41.根据权利要求26所述的方法,其中,每个测量步骤包括将模拟数据转换至数字域,并且
其中,在存储所述第一数据前将数据转换至数字域。
42.根据权利要求27所述的方法,其中,每个测量步骤包括将模拟数据转换至数字域,并且
其中,在存储所述第一数据前将数据转换至数字域。
43.根据权利要求33所述的方法,其中,每个测量步骤包括将模拟数据转换至数字域,并且
其中,在存储所述第一数据前将数据转换至数字域。
44.根据权利要求36所述的方法,其中,每个测量步骤包括将模拟数据转换至数字域,并且
其中,在存储所述第一数据前将数据转换至数字域。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2011900438A AU2011900438A0 (en) | 2011-02-10 | Apparatus and method for classifying orientation of a body of a mammal | |
AU2011900438 | 2011-02-10 | ||
PCT/AU2012/000126 WO2012106770A1 (en) | 2011-02-10 | 2012-02-09 | Apparatus and method for classifying orientation of a body of a mammal |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103533888A CN103533888A (zh) | 2014-01-22 |
CN103533888B true CN103533888B (zh) | 2017-06-09 |
Family
ID=46638075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280017642.1A Expired - Fee Related CN103533888B (zh) | 2011-02-10 | 2012-02-09 | 用于分类哺乳动物的身体方位的装置和方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US10126108B2 (zh) |
EP (1) | EP2672892A4 (zh) |
JP (1) | JP2014504932A (zh) |
CN (1) | CN103533888B (zh) |
AU (1) | AU2012214113A1 (zh) |
BR (1) | BR112013020417A2 (zh) |
CA (1) | CA2827113A1 (zh) |
IL (1) | IL227901A0 (zh) |
WO (1) | WO2012106770A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NZ704605A (en) | 2012-08-07 | 2018-01-26 | Dorsavi Pty Ltd | Method and apparatus for measuring reaction forces |
US9482749B1 (en) * | 2012-08-09 | 2016-11-01 | Lockheed Martin Corporation | Signature detection in point images |
US9999376B2 (en) * | 2012-11-02 | 2018-06-19 | Vital Connect, Inc. | Determining body postures and activities |
EP3111840B1 (en) * | 2014-02-28 | 2019-06-19 | MicroStone Corporation | Device for detecting ambulatory status |
JP6599821B2 (ja) * | 2016-06-27 | 2019-10-30 | 日本電信電話株式会社 | 自動教師データ作成装置、自動教師データ作成方法および自動教師データ作成プログラム |
WO2018081795A1 (en) | 2016-10-31 | 2018-05-03 | Zipline Medical, Inc. | Systems and methods for monitoring physical therapy of the knee and other joints |
GB2560909B (en) * | 2017-03-27 | 2020-12-02 | 270 Vision Ltd | Movement sensor |
CN109997014B (zh) * | 2017-11-03 | 2023-08-18 | 北京嘀嘀无限科技发展有限公司 | 用于确定轨迹的***和方法 |
GB2574074B (en) | 2018-07-27 | 2020-05-20 | Mclaren Applied Tech Ltd | Time synchronisation |
GB2588236B (en) | 2019-10-18 | 2024-03-20 | Mclaren Applied Ltd | Gyroscope bias estimation |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5031618A (en) * | 1990-03-07 | 1991-07-16 | Medtronic, Inc. | Position-responsive neuro stimulator |
CN101366680A (zh) * | 2007-08-14 | 2009-02-18 | 朱燕 | 一种人体活动状态监护装置 |
CN101394788A (zh) * | 2006-02-02 | 2009-03-25 | 帝国创新有限公司 | 步态分析 |
CN101808593A (zh) * | 2007-05-09 | 2010-08-18 | S.A.E.阿菲金公司 | 预测产犊的方法和*** |
CN102149323A (zh) * | 2008-09-12 | 2011-08-10 | 皇家飞利浦电子股份有限公司 | 跌倒检测*** |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3984361B2 (ja) * | 1998-05-22 | 2007-10-03 | 独立行政法人農業・食品産業技術総合研究機構 | 人体関節のひねり角度測定装置 |
US6834436B2 (en) | 2001-02-23 | 2004-12-28 | Microstrain, Inc. | Posture and body movement measuring system |
JP2002328134A (ja) | 2001-04-27 | 2002-11-15 | Nec Tokin Corp | 姿勢状態及び方位の検出装置 |
JP3923035B2 (ja) | 2003-07-03 | 2007-05-30 | 株式会社東芝 | 生体状態分析装置及び生体状態分析方法 |
BRPI0511572A (pt) * | 2004-05-25 | 2008-01-02 | Andrew J Ronchi | aparelho e método para monitorar esforço e/ou carga aplicado a um mamìfero |
JP4897314B2 (ja) * | 2006-03-10 | 2012-03-14 | 株式会社エヌ・ティ・ティ・ドコモ | センサ搭載型携帯端末による歩行状態検出システム、センサ搭載型携帯端末による歩行状態検出方法 |
JP4904861B2 (ja) * | 2006-03-14 | 2012-03-28 | ソニー株式会社 | 体動検出装置、体動検出方法および体動検出プログラム |
FR2919406B1 (fr) * | 2007-07-23 | 2009-10-23 | Commissariat Energie Atomique | Procede et dispositif de reconnaissance de position ou de mouvement d'un dispositif ou d'un etre vivant. |
JP4992043B2 (ja) | 2007-08-13 | 2012-08-08 | 株式会社国際電気通信基礎技術研究所 | 行動識別装置、行動識別システムおよび行動識別方法 |
JP5166826B2 (ja) | 2007-10-26 | 2013-03-21 | パナソニック株式会社 | 歩容情報表示システム |
JP2009106390A (ja) | 2007-10-26 | 2009-05-21 | Panasonic Electric Works Co Ltd | 歩容検出支援システム |
JP5202257B2 (ja) * | 2008-11-29 | 2013-06-05 | 学校法人日本大学 | 人の姿勢動作判別装置 |
-
2012
- 2012-02-09 AU AU2012214113A patent/AU2012214113A1/en not_active Abandoned
- 2012-02-09 CN CN201280017642.1A patent/CN103533888B/zh not_active Expired - Fee Related
- 2012-02-09 EP EP12745356.1A patent/EP2672892A4/en not_active Withdrawn
- 2012-02-09 JP JP2013552797A patent/JP2014504932A/ja active Pending
- 2012-02-09 BR BR112013020417A patent/BR112013020417A2/pt not_active IP Right Cessation
- 2012-02-09 CA CA2827113A patent/CA2827113A1/en not_active Abandoned
- 2012-02-09 WO PCT/AU2012/000126 patent/WO2012106770A1/en active Application Filing
- 2012-02-09 US US13/984,699 patent/US10126108B2/en active Active
-
2013
- 2013-08-11 IL IL227901A patent/IL227901A0/en unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5031618A (en) * | 1990-03-07 | 1991-07-16 | Medtronic, Inc. | Position-responsive neuro stimulator |
CN101394788A (zh) * | 2006-02-02 | 2009-03-25 | 帝国创新有限公司 | 步态分析 |
CN101808593A (zh) * | 2007-05-09 | 2010-08-18 | S.A.E.阿菲金公司 | 预测产犊的方法和*** |
CN101366680A (zh) * | 2007-08-14 | 2009-02-18 | 朱燕 | 一种人体活动状态监护装置 |
CN102149323A (zh) * | 2008-09-12 | 2011-08-10 | 皇家飞利浦电子股份有限公司 | 跌倒检测*** |
Non-Patent Citations (1)
Title |
---|
Adaptive Body posture Analysis Using Collaborative Multi-Sensors for elderly falling Detection;LAI,C.F.,et al;《IEEE Intelligent Systems》;20051231;第25卷(第2期);20-30 * |
Also Published As
Publication number | Publication date |
---|---|
JP2014504932A (ja) | 2014-02-27 |
US20140032124A1 (en) | 2014-01-30 |
EP2672892A4 (en) | 2017-11-01 |
EP2672892A1 (en) | 2013-12-18 |
CN103533888A (zh) | 2014-01-22 |
WO2012106770A1 (en) | 2012-08-16 |
IL227901A0 (en) | 2013-09-30 |
CA2827113A1 (en) | 2012-08-16 |
US10126108B2 (en) | 2018-11-13 |
BR112013020417A2 (pt) | 2016-10-18 |
AU2012214113A1 (en) | 2013-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103533888B (zh) | 用于分类哺乳动物的身体方位的装置和方法 | |
CN102640085B (zh) | 用于识别手势的***和方法 | |
KR102107379B1 (ko) | 3축 동작측정기를 이용한 노쇠 예측 방법, 3축 동작측정기를 이용한 노쇠 예측 시스템 및 웨어러블 노쇠 예측 장치 | |
CN103974887B (zh) | 用于电梯运动检测的方法和装置 | |
CN107958221A (zh) | 一种基于卷积神经网络的人体运动步态分类方法 | |
CN108244744A (zh) | 一种运动状态识别的方法、鞋底及鞋 | |
Krupitzer et al. | Hips do lie! a position-aware mobile fall detection system | |
US10588517B2 (en) | Method for generating a personalized classifier for human motion activities of a mobile or wearable device user with unsupervised learning | |
CN110263870A (zh) | 运动状态识别方法、装置、智能终端和存储介质 | |
CN110084286A (zh) | 一种基于传感器的ecoc技术的人体动作识别方法 | |
CN107890166A (zh) | 一种基于足底压力姿态识别的智能鞋垫 | |
CN106210269A (zh) | 一种基于智能手机的人体动作识别***及方法 | |
CN109976526A (zh) | 一种基于表面肌电传感器和九轴传感器的手语识别方法 | |
CN105869354B (zh) | 一种基于吸引子传播算法的老人跌倒检测方法 | |
CN106725495A (zh) | 一种跌倒检测方法、装置及*** | |
CN107389052A (zh) | 一种踝泵运动监测***及终端设备 | |
WO2023035093A1 (zh) | 基于惯性传感器的人体行为识别方法 | |
CN112370048A (zh) | 基于关节关键点的运动姿态伤害预防方法、***和存储介质 | |
Lu et al. | MFE-HAR: multiscale feature engineering for human activity recognition using wearable sensors | |
Xie et al. | Meta-activity recognition: A wearable approach for logic cognition-based activity sensing | |
KR20210046121A (ko) | 검출정보별 신경망 분석을 실시하여 파킨슨 환자 및 족관절염 환자를 식별하는 장치 및 방법 | |
CN111710129B (zh) | 一种老年人实时碰撞前跌倒检测方法 | |
Ma et al. | Smart cushion-based activity recognition: Prompting users to maintain a healthy seated posture | |
KR102302719B1 (ko) | 검출정보별 신경망 분석을 실시하여 보행 종류를 분류하는 장치 및 방법 | |
CN110298276A (zh) | 基于卷积神经网络的跌倒检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170609 |
|
CF01 | Termination of patent right due to non-payment of annual fee |