CN108198383A - 一种多传感器组合的高精度行为识别方法、装置及*** - Google Patents
一种多传感器组合的高精度行为识别方法、装置及*** Download PDFInfo
- Publication number
- CN108198383A CN108198383A CN201711437195.6A CN201711437195A CN108198383A CN 108198383 A CN108198383 A CN 108198383A CN 201711437195 A CN201711437195 A CN 201711437195A CN 108198383 A CN108198383 A CN 108198383A
- Authority
- CN
- China
- Prior art keywords
- data
- activity recognition
- sensor
- precision
- axis
- 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.)
- Granted
Links
- 230000000694 effects Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000001133 acceleration Effects 0.000 claims abstract description 69
- 230000033001 locomotion Effects 0.000 claims abstract description 50
- 238000005259 measurement Methods 0.000 claims description 13
- 238000002474 experimental method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000035939 shock Effects 0.000 claims description 4
- 210000000689 upper leg Anatomy 0.000 claims description 4
- 210000000707 wrist Anatomy 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 210000000038 chest Anatomy 0.000 claims description 2
- 210000003128 head Anatomy 0.000 claims description 2
- 210000003739 neck Anatomy 0.000 claims description 2
- 210000001624 hip Anatomy 0.000 description 7
- 210000002414 leg Anatomy 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000036544 posture Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 208000002173 dizziness Diseases 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 208000001132 Osteoporosis Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000000266 injurious effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0492—Sensor dual technology, i.e. two or more technologies collaborate to extract unsafe condition, e.g. video tracking and RFID tracking
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Multimedia (AREA)
- Computer Security & Cryptography (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种多传感器组合的高精度行为识别方法、装置及***。该方法，包括：S1：利用传感器组合，感测用户的运动得到感测数据，所述传感器组合包括：3轴加速度传感器、3轴陀螺仪和3轴地磁仪；S2:由所述感测数据通过9轴AHRS航姿平衡算法计算出平衡状态数据；S3:由所述3轴加速度传感器感测的数据运算得到碰撞数据；S4：所述平衡状态数据及所述碰撞数据相互配合运算得到运动特征数据；S5:利用所述运动特征数据通过行为识别模块运算得到用户高精度行为识别数据，提醒相关人员进行及时处理，具有识别准确、适应性好的优点。
Description
技术领域
本发明涉及传感器监测技术领域，尤其涉及一种多传感器组合的高精度行为识别方法、装置及***。
背景技术
随着人口老龄化，老年人的健康和日常安全问题已经引起社会的广泛关注，老年人日常生活能力下降，多是由于视力的下降，以及骨质疏松等原因，容易导致跌倒，但跌倒的情况不同，伤害后果也不一样，对于轻微伤害的跌倒当事人可以自行爬起，对于严重的伤害就需要及时通知监护人到场给于帮助，目前的跌倒侦测技术没有办法分辨跌倒伤害情况，容易产生误报，因此有必要改善这种状况。
发明内容
本发明要解决的技术问题在于，提供一种无线多传感器组合的高精度行为识别方法、装置及***。
本发明解决其技术问题所采用的技术方案是：提供一种多传感器组合的高精度行为识别方法，包括：
S1：利用传感器组合，感测用户的运动得到感测数据，所述传感器组合包括：3轴加速度传感器、3轴陀螺仪和3轴地磁仪；
S2:由所述感测数据通过9轴AHRS航姿平衡算法计算出平衡状态数据；
S3:由所述3轴加速度传感器感测的数据运算得到碰撞数据；
S4：所述平衡状态数据及所述碰撞数据相互配合运算得到运动特征数据；
S5:利用所述运动特征数据通过行为识别模块运算得到用户高精度行为识别数据。
优选的，所述传感器组合中的3轴加速度传感器是低量程加速度传感器，所述传感器组合还包括：高量程3轴加速度传感器；
所述碰撞数据由所述3轴低量程加速度传感器和3轴高量程加速度传感器感测的数据运算得到。
优选的，所述传感器组合还包括一个单轴气压计，用于感测气压数据，所述气压数据与高度成一定对应关系，并通过预先实验测试得到对应表，以便根据气压数据得到高度值数据。
优选的，所述高度值数据与所述碰撞数据相互补偿，得到所述运动特征数据。
优选的，所述传感器组合体为一个或多个。
优选的，所述传感器组合放置在双大腿、胸部、颈部、头部、手腕部、鞋内及腰部中的一处或多处。
优选的，所述步骤S4中的运动特征数还包括：以身体某关节为支点自然形成的半径得到在三维空间中趋近于直线的弧线运动而构成弧线的每个点所构成的三维空间坐标，所述三维空间坐标由当前角自由度乘上半径得到，具体实现公式为：(X,Y,Z)＝(R*Cosθ*CosΨ,R*Cosθ*SinΨ,R*Sinθ)，其中Φ翻滚角,Ψ航向角,θ俯仰角,R关节支点到装置的运动半径。
优选的，所述碰撞数据包括所述3轴低量程加速度传感器和3轴高量程加速度传感器所感测的加速度值，以及经由所述加速度值变化的时间、周期计算得到的特征数据，还包括位移、振动幅度、振动周期、冲击力度数据、撞击次数、碰撞位置信息或身体快速扭动连续变化参数。
优选的，所述用户高精度行为识别数据通过有线或无线方式发送到对端，对端接收到数据，通过app运算和/或不运算得到的结果进行显示、提醒。
本发明还提供一种多传感器组合的高精度行为识别装置，包括：
传感器组合，用于感测用户的运动得到感测数据，所述传感器组合为传感器组合包括：3轴加速度传感器、3轴陀螺仪和/或3轴地磁仪；
运算单元，用于将所述感测数据通过9轴AHRS航姿平衡算法计算出平衡状态数据；将所述3轴加速度传感器感测的数据运算得到碰撞数据；将所述平衡状态数据及所述碰撞数据相互配合运算得到运动特征数据；并且利用所述运动特征数据通过行为识别模块运算得到用户高精度行为识别数据。
优选的，所述装置还包括：
收发单元，用于将所述高精度行为识别数据发送到对端，和接收对端发送的高精度行为识别数据；
存储单元，用于存储所述高精度行为识别数据。
优选的，所述传感器组合中的3轴加速度传感器是低量程加速度传感器，所述传感器组合还包括：一个高量程3轴加速度传感器；
所述碰撞数据由所述3轴低量程加速度传感器和3轴高量程加速度传感器感测的数据运算得到。
优选的，所述传感器组合还包括一个单轴气压计，用于感测气压数据，所述气压数据与高度成一定对应关系，并通过预先实验测试得到对应表，以便根据气压数据得到高度值数据，所述高度值数据与所述碰撞数据相互补偿，得到所述运动特征数据。
本发明还提供一种无线多传感器组合的高精度行为识别***，包括上述任一项所述的多传感器组合的高精度行为识别装置中的一个或多个；以及
对端，与所述多传感器组合的高精度行为识别装置通讯连接，接收高精度行为识别数据，通过app运算和/或不运算得到的结果进行显示、提醒。
本发明与现有技术相比具有如下优点：通过结合运动轨迹数据、倾倒方向数据和碰撞变化参数，再通过行为识别模块运算得到高精度行为识别数据，从而可以有效的监测跌倒事件的发生，进而实现高精度行为识别。并可进一步的通过报警、传送至特定设备中，提醒相关人员进行照料，具有识别准确、适应性好的优点。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明的无线多传感器组合的高精度行为识别方法一个实施例的流程示意图；
图2是本发明的无线多传感器组合的高精度行为识别装置一个实施例的示意框图；
图3是本发明的无线多传感器组合的高精度行为识别***一个实施例的示意框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种无线多传感器组合的高精度行为识别方法，可用于高精度的识别行为动作，包括跌倒、碰撞等。该方法包括：S101：利用传感器组合，感测用户的运动得到感测数据，传感器组合包括：3轴加速度传感器、3轴陀螺仪和3轴地磁仪。
在本实施例中，传感器组合可以为一个或多个，可以放置双大腿、胸部、颈部、头部、手腕部、鞋内及腰部中的一处或多处。传感器组合放置的位置在双腿和腰腹部时，可以呈三角形排列。
该传感器组合包括9轴AHRS航姿平衡感测单元，9轴AHRS航姿平衡感测单元包括3轴加速度传感器、3轴陀螺仪及3轴地磁仪。由该传感器组合感测用户的运动得到感测数据。
S102：由感测数据通过9轴AHRS航姿平衡算法计算出平衡状态数据。具体的，根据传感器组合感测到的感测数据，通过9轴AHRS航姿平衡算法计算出平衡状态数据，该平衡状体数据可以包括三维空间坐标及姿态角等。
S103：由3轴加速度传感器感测的数据运算得到碰撞数据。在本实施例中，传感器组合中的3轴加速度传感器是低量程加速度传感器，感测得到的重力加速度数据。
进一步的，该传感器组合还可以包括高量程3轴加速度传感器；碰撞数据由3轴低量程加速度传感器和3轴高量程加速度传感器感测的数据运算得到,一般的运动感测采用的加速度传感器量程为+/-16g以下可以称作为低量程加速度传感器，24g以及32g或其他更高量程的可以称为高量程加速度传感器。该碰撞数据包括3轴低量程加速度传感器和3轴高量程加速度传感器所感测的加速度值，以及经由加速度值变化的时间、周期计算得到的特征数据，还包括位移、振动幅度、振动周期、冲击力度数据、撞击次数、碰撞位置信息或身体快速扭动连续变化参数。
进一步的，结合运动、气压或传感器单元间相对变化的轨迹，高度与趋势、倾倒方向高度，轨迹与趋势和碰撞变化参数，及使用不同的传感器，放置与布局在身体不同的部位，得到适用于不同场景，不同精确度要求的碰撞信息。
S104：平衡状态数据及碰撞数据相互配合运算得到运动特征数据。S105：利用运动特征数据通过行为识别模块运算得到用户高精度行为识别数据。用户高精度行为识别数据通过有线或无线方式发送到对端，对端接收到数据，通过app运算和/或不运算得到的结果进行显示、提醒。
进一步的，该传感器组合还可以包括：单轴气压计，用于检测气压数据。该气压数据与高度成一定对应关系，并通过预先实验测试得到对应表，以便根据气压数据得到高度值数据。通过高度值数据与碰撞数据相互补偿，得到运动特征数据。其中，对比气压计所度量出高度的变化轨迹数据与趋势数据相互补偿，大量减少作精确动作识别所需的前期预判断动作周期(最佳能只要一次动作就能判断)，精确快速侦测站立与坐下的相对姿态与运动轨迹差异，双腿走动或跑步，单脚站立，单脚或双脚跳跃或停止的相对姿态与运动轨迹差异，跳跃高度，跳远距离，扭腰，不同程度弯腰(前后左右)，深蹲，上下楼梯，上下斜度较大的斜坡，平躺，仰卧起坐，俯卧撑，眩晕，平板运动，格斗摔跤，滑倒，平躺空中骑行，一般道路骑行，健身房固定骑行，不同泳姿游泳动作识别，睡眠过程中各种身体姿态的变化，与各种不同类型跌跤过程的连续运动轨迹，趋势及高度变化数据。另外对于优化补偿PDR(计步航推)算法，让PDR更具实用性及解决PDR无法判定跳跃，少步数边走边停，只挥手不走路，停在原处说话比手画脚所产生的误判大有帮助。
加上三维空间坐标，将装设在身体某部位的传感器单元透过算法计算出来的姿态角度变化量，搭配在产生连续运动过程中以身体的某个关节支点自然形成的半径得到在三维空间中趋近于直线的弧线运动而构成弧线的每个点就是当下由角自由度乘上半径所构成的三维空间坐标。其中，三维空间坐标由当前角自由度乘上半径得到，具体实现公式为：(X,Y,Z)＝(R*Cosθ*CosΨ,R*Cosθ*SinΨ,R*Sinθ)，其中Φ翻滚角,Ψ航向角,θ俯仰角,R关节支点到装置的运动半径。
如图2所示，在本发明的无线多传感器组合的高精度行为识别装置20的一个实施例中，包括传感器组合21、运算单元22等，可以安装在一个外壳中，并放置双大腿、胸部、颈部、头部、手腕部、鞋内及腰部中的一处或多处。传感器组合21放置的位置在双腿和腰腹部时，呈三角形排列，进而可以感测佩戴者的重心的变换轨迹。
该传感器组合21用于感测用户的运动得到感测数据。在本实施例中，该传感器组合21包括9轴AHRS航姿平衡感测单元，9轴AHRS航姿平衡感测单元包括3轴加速度传感器、3轴陀螺仪及3轴地磁仪。在本实施例中，传感器组合中的3轴加速度传感器是低量程加速度传感器，感测得到的重力加速度数据。
进一步的，该传感器组合还可以包括高量程3轴加速度传感器；碰撞数据由3轴低量程加速度传感器和3轴高量程加速度传感器感测的数据运算得到。该碰撞数据包括3轴低量程加速度传感器和3轴高量程加速度传感器所感测的加速度值，以及经由加速度值变化的时间、周期计算得到的特征数据，还包括位移、振动幅度、振动周期、冲击力度数据、撞击次数、碰撞位置信息或身体快速扭动连续变化参数。
进一步的，结合运动、气压或传感器单元间相对变化的轨迹，高度与趋势、倾倒方向高度，轨迹与趋势和碰撞变化参数，及使用不同的传感器，放置与布局在身体不同的部位，得到适用于不同场景，不同精确度要求的碰撞信息。
该运算单元22与传感器组合连接，接收感测得到的感测数据，并将感测数据通过9轴AHRS航姿平衡算法计算出平衡状态数据；将3轴加速度传感器感测的数据运算得到碰撞数据；将平衡状态数据及碰撞数据相互配合运算得到运动特征数据；并且利用运动特征数据通过行为识别模块运算得到用户高精度行为识别数据。
进一步的，该传感器组合21还包括：单轴气压计，用于检测气压数据。该气压数据与高度成一定对应关系，并通过预先实验测试得到对应表，以便根据气压数据得到高度值数据。通过高度值数据与碰撞数据相互补偿，得到运动特征数据。其中，对比气压计所度量出高度的变化轨迹数据与趋势数据相互补偿，大量减少作精确动作识别所需的前期预判断动作周期(最佳能只要一次动作就能判断)，精确快速侦测站立与坐下的相对姿态与运动轨迹差异，双腿走动或跑步，单脚站立，单脚或双脚跳跃或停止的相对姿态与运动轨迹差异，跳跃高度，跳远距离，扭腰，不同程度弯腰(前后左右)，深蹲，上下楼梯，上下斜度较大的斜坡，平躺，仰卧起坐，俯卧撑，眩晕，平板运动，格斗摔跤，滑倒，平躺空中骑行，一般道路骑行，健身房固定骑行，不同泳姿游泳动作识别，睡眠过程中各种身体姿态的变化，与各种不同类型跌跤过程的连续运动轨迹，趋势及高度变化数据。另外对于优化补偿PDR(计步航推)算法，让PDR更具实用性及解决PDR无法判定跳跃，少步数边走边停，只挥手不走路，停在原处说话比手画脚所产生的误判大有帮助。
加上三维空间坐标，将装设在身体某部位的传感器单元透过算法计算出来的姿态角度变化量，搭配在产生连续运动过程中以身体的某个关节支点自然形成的半径得到在三维空间中趋近于直线的弧线运动而构成弧线的每个点就是当下由角自由度乘上半径所构成的三维空间坐标。其中，三维空间坐标由当前角自由度乘上半径得到，具体实现公式为：(X,Y,Z)＝(R*Cosθ*CosΨ,R*Cosθ*SinΨ,R*Sinθ)，其中Φ翻滚角,Ψ航向角,θ俯仰角,R关节支点到装置的运动半径。
进一步的，该装置还包括收发单元，用于将高精度行为识别数据发送到对端30，和接收对端30发送的高精度行为识别数据；存储单元，用于存储高精度行为识别数据。
如图3所示，在本发明的无线多传感器组合的高精度行为识别***一个实施例中，包括上述无线多传感器组合的高精度行为识别装置20(以下不做赘述)，以及对端30。其中，高精度行为识别装置20可以为一个或多个。
该对端30与多传感器组合的高精度行为识别装置20通讯连接，接收高精度行为识别数据，通过app运算和/或不运算得到的结果进行显示、提醒。可以理解的，该对端30可以为手机、智能手表、平板电脑、电脑或其他任意终端，只要能够进行显示、提醒即可。
以下将以一具体实例进行说明，当配置有上述***的使用者，在使用过程中，传感器组合感测人体外部运动，人在正常走动或跑动中具有规律的节奏，所以通过加速度传感器可以计步，容易判断运动状态。
当跌倒时，原来的节奏发生改变，也就是其感测的运动轨迹数据产生变化；同时，感测姿态角的变化，得到倾倒方向数据；加速度传感器对地敏感值发生失重，加速度值小于g，同时气压计连续变小，在倒地过程中时间一般在1-5秒之间，倒地时，发生撞击，加速度值突变为大于g，同时连续变化的气压值有原来连续规律变化，得到碰撞变化参数，可固定一个值上下波动，并且这个值大于失重前的值，通过在这个时间序列中传感器数据的变化可以判断出人体的跌倒。
在撞击后同样的透过AHRS平衡姿态侦测算法测出被测人是否有能力翻身，坐起或爬起，透过以上的检测方式能从撞击的力量与被撞击的部位及撞击后是否仍可活动。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例设备中的单元或子单元可以根据实际需要进行合并、划分和删减。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
以上所揭露的仅为本发明的较佳实施例而已，当然不能以此来限定本发明的权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (14)
1.一种多传感器组合的高精度行为识别方法，其特征在于，包括：
S1：利用传感器组合，感测用户的运动得到感测数据，所述传感器组合包括：3轴加速度传感器、3轴陀螺仪和3轴地磁仪；
S2:由所述感测数据通过9轴AHRS航姿平衡算法计算出平衡状态数据；
S3:由所述3轴加速度传感器感测的数据运算得到碰撞数据；
S4：所述平衡状态数据及所述碰撞数据相互配合运算得到运动特征数据；
S5:利用所述运动特征数据通过行为识别模块运算得到用户高精度行为识别数据。
2.根据权利要求1所述的多传感器组合的高精度行为识别方法，其特征在于，所述传感器组合中的3轴加速度传感器是低量程加速度传感器，所述传感器组合还包括：高量程3轴加速度传感器；
所述碰撞数据由所述3轴低量程加速度传感器和3轴高量程加速度传感器感测的数据运算得到。
3.根据权利要求1所述的多传感器组合的高精度行为识别方法，其特征在于，所述传感器组合还包括一个单轴气压计，用于感测气压数据，所述气压数据与高度成一定对应关系，并通过预先实验测试得到对应表，以便根据气压数据得到高度值数据。
4.根据权利要求3所述的多传感器组合的高精度行为识别方法，其特征在于，所述高度值数据与所述碰撞数据相互补偿，得到所述运动特征数据。
5.根据权利要求1-4任一项所述的多传感器组合的高精度行为识别方法，其特征在于，所述传感器组合体为一个或多个。
6.根据权利要求5所述的多传感器组合的高精度行为识别方法，其特征在于，所述传感器组合放置在双大腿、胸部、颈部、头部、手腕部、鞋内及腰部中的一处或多处。
7.根据权利要求1-4任一项所述的多传感器组合的高精度行为识别方法，其特征在于，所述步骤S4中的运动特征数还包括：以身体某关节为支点自然形成的半径得到在三维空间中趋近于直线的弧线运动而构成弧线的每个点所构成的三维空间坐标，所述三维空间坐标由当前角自由度乘上半径得到，具体实现公式为：(X,Y,Z)＝(R*Cosθ*CosΨ,R*Cosθ*SinΨ,R*Sinθ)，其中Φ翻滚角,Ψ航向角,θ俯仰角,R关节支点到装置的运动半径。
8.根据权利要求2-4任一项所述的多传感器组合的高精度行为识别方法，其特征在于，所述碰撞数据包括所述3轴低量程加速度传感器和3轴高量程加速度传感器所感测的加速度值，以及经由所述加速度值变化的时间、周期计算得到的特征数据，还包括位移、振动幅度、振动周期、冲击力度数据、撞击次数、碰撞位置信息或身体快速扭动连续变化参数。
9.根据权利要求1-4任一项所述的多传感器组合的高精度行为识别方法，其特征在于，所述用户高精度行为识别数据通过有线或无线方式发送到对端，对端接收到数据，通过app运算和/或不运算得到的结果进行显示、提醒。
10.一种多传感器组合的高精度行为识别装置，其特征在于，包括：
传感器组合，用于感测用户的运动得到感测数据，所述传感器组合为传感器组合包括：3轴加速度传感器、3轴陀螺仪和/或3轴地磁仪；
运算单元，用于将所述感测数据通过9轴AHRS航姿平衡算法计算出平衡状态数据；将所述3轴加速度传感器感测的数据运算得到碰撞数据；将所述平衡状态数据及所述碰撞数据相互配合运算得到运动特征数据；并且利用所述运动特征数据通过行为识别模块运算得到用户高精度行为识别数据。
11.根据权利要求10所述的高精度行为识别装置，其特征在于，所述装置还包括：
收发单元，用于将所述高精度行为识别数据发送到对端，和接收对端发送的高精度行为识别数据；
存储单元，用于存储所述高精度行为识别数据。
12.根据权利要求11所述的无线多传感器组合的高精度行为识别装置，其特征在于，所述传感器组合中的3轴加速度传感器是低量程加速度传感器，所述传感器组合还包括：一个高量程3轴加速度传感器；
所述碰撞数据由所述3轴低量程加速度传感器和3轴高量程加速度传感器感测的数据运算得到。
13.根据权利要求11所述的无线多传感器组合的高精度行为识别装置，其特征在于，所述传感器组合还包括一个单轴气压计，用于感测气压数据，所述气压数据与高度成一定对应关系，并通过预先实验测试得到对应表，以便根据气压数据得到高度值数据，所述高度值数据与所述碰撞数据相互补偿，得到所述运动特征数据。
14.一种无线多传感器组合的高精度行为识别***，其特征在于，其特征在于，包括权利要求11-13任一项所述的多传感器组合的高精度行为识别装置中的一个或多个；以及
对端，与所述多传感器组合的高精度行为识别装置通讯连接，接收高精度行为识别数据，通过app运算和/或不运算得到的结果进行显示、提醒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711437195.6A CN108198383B (zh) | 2017-12-26 | 2017-12-26 | 一种多传感器组合的高精度行为识别方法、装置及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711437195.6A CN108198383B (zh) | 2017-12-26 | 2017-12-26 | 一种多传感器组合的高精度行为识别方法、装置及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108198383A true CN108198383A (zh) | 2018-06-22 |
| CN108198383B CN108198383B (zh) | 2020-08-07 |
Family
ID=62584425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711437195.6A Active CN108198383B (zh) | 2017-12-26 | 2017-12-26 | 一种多传感器组合的高精度行为识别方法、装置及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108198383B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805109A (zh) * | 2018-08-07 | 2018-11-13 | 深圳市云康创新网络科技有限公司 | 一种运动数据捕获显示*** |
| CN111310599A (zh) * | 2020-01-20 | 2020-06-19 | 重庆大学 | 一种可快速适应各种变化因素的睡眠动作识别*** |
| CN111700624A (zh) * | 2020-07-27 | 2020-09-25 | 中国科学院合肥物质科学研究院 | 一种智能手环检测运动姿态的模式识别方法及*** |
| CN112071041A (zh) * | 2020-08-31 | 2020-12-11 | 广东小天才科技有限公司 | 一种安全检测的方法、可穿戴设备及计算机可读存储介质 |
| CN112444249A (zh) * | 2019-09-04 | 2021-03-05 | 奇点无限有限公司 | 整合式感测***及其分析方法与使用方法 |
| CN113050754A (zh) * | 2020-06-24 | 2021-06-29 | 中原工学院 | 一种具有行为识别功能的腕部智能穿戴设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231302A (zh) * | 2007-01-22 | 2008-07-30 | 日立金属株式会社 | 双加速度传感器*** |
| CN203118166U (zh) * | 2012-04-13 | 2013-08-07 | 无锡先凯智能科技有限公司 | 生物体跌倒检测装置 |
| CN104055518A (zh) * | 2014-07-08 | 2014-09-24 | 广州柏颐信息科技有限公司 | 一种跌倒检测腕表及跌倒检测方法 |
| US20150139504A1 (en) * | 2013-11-19 | 2015-05-21 | Renesas Electronics Corporation | Detecting apparatus, detecting system, and detecting method |
| CN104932542A (zh) * | 2015-05-19 | 2015-09-23 | 李建 | 自动定位装置及其方法 |
| CN105068654A (zh) * | 2015-08-14 | 2015-11-18 | 济南中景电子科技有限公司 | 基于can总线和惯性传感器的动作捕获***及方法 |
| CN107402007A (zh) * | 2016-05-19 | 2017-11-28 | 成都天禄科技有限公司 | 一种提高微型ahrs模块精度的方法和微型ahrs模块 |
-
2017
- 2017-12-26 CN CN201711437195.6A patent/CN108198383B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231302A (zh) * | 2007-01-22 | 2008-07-30 | 日立金属株式会社 | 双加速度传感器*** |
| CN203118166U (zh) * | 2012-04-13 | 2013-08-07 | 无锡先凯智能科技有限公司 | 生物体跌倒检测装置 |
| US20150139504A1 (en) * | 2013-11-19 | 2015-05-21 | Renesas Electronics Corporation | Detecting apparatus, detecting system, and detecting method |
| CN104055518A (zh) * | 2014-07-08 | 2014-09-24 | 广州柏颐信息科技有限公司 | 一种跌倒检测腕表及跌倒检测方法 |
| CN104932542A (zh) * | 2015-05-19 | 2015-09-23 | 李建 | 自动定位装置及其方法 |
| CN105068654A (zh) * | 2015-08-14 | 2015-11-18 | 济南中景电子科技有限公司 | 基于can总线和惯性传感器的动作捕获***及方法 |
| CN107402007A (zh) * | 2016-05-19 | 2017-11-28 | 成都天禄科技有限公司 | 一种提高微型ahrs模块精度的方法和微型ahrs模块 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805109A (zh) * | 2018-08-07 | 2018-11-13 | 深圳市云康创新网络科技有限公司 | 一种运动数据捕获显示*** |
| CN108805109B (zh) * | 2018-08-07 | 2024-04-23 | 深圳市天玖隆科技有限公司 | 一种运动数据捕获显示*** |
| CN112444249A (zh) * | 2019-09-04 | 2021-03-05 | 奇点无限有限公司 | 整合式感测***及其分析方法与使用方法 |
| CN111310599A (zh) * | 2020-01-20 | 2020-06-19 | 重庆大学 | 一种可快速适应各种变化因素的睡眠动作识别*** |
| CN113050754A (zh) * | 2020-06-24 | 2021-06-29 | 中原工学院 | 一种具有行为识别功能的腕部智能穿戴设备 |
| CN113050754B (zh) * | 2020-06-24 | 2024-02-20 | 中原工学院 | 一种具有行为识别功能的腕部智能穿戴设备 |
| CN111700624A (zh) * | 2020-07-27 | 2020-09-25 | 中国科学院合肥物质科学研究院 | 一种智能手环检测运动姿态的模式识别方法及*** |
| CN111700624B (zh) * | 2020-07-27 | 2024-03-12 | 中国科学院合肥物质科学研究院 | 一种智能手环检测运动姿态的模式识别方法及*** |
| CN112071041A (zh) * | 2020-08-31 | 2020-12-11 | 广东小天才科技有限公司 | 一种安全检测的方法、可穿戴设备及计算机可读存储介质 |
| CN112071041B (zh) * | 2020-08-31 | 2022-08-26 | 广东小天才科技有限公司 | 一种安全检测的方法、可穿戴设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108198383B (zh) | 2020-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108198383A (zh) | 一种多传感器组合的高精度行为识别方法、装置及*** | |
| CN102921162B (zh) | 自助式平衡与步态训练***及方法 | |
| KR102010898B1 (ko) | 관성센서를 이용한 보행 분석 시스템 및 방법 | |
| ES2716976T3 (es) | Prevención de caídas | |
| EP3076870B1 (en) | Method and apparatus for determining the orientation of an accelerometer | |
| KR101858116B1 (ko) | 자세균형 훈련 시스템 | |
| JP6772276B2 (ja) | 運動認識装置及び運動認識方法 | |
| TW201113005A (en) | Method and system for monioring sport related fitness by estimating muscle power and joint force of limbs | |
| CN102144248A (zh) | 预防跌倒*** | |
| JP2012502721A (ja) | 力測定方法及び装置 | |
| KR101942264B1 (ko) | 자세 교정 시스템 및 방법 | |
| CN108447225A (zh) | 一种人体跌倒检测方法及装置 | |
| US20200297243A1 (en) | System for estimating body motion of person or the like | |
| Jagos et al. | A multimodal approach for insole motion measurement and analysis | |
| US10542933B2 (en) | Exercise test evaluation system, exercise test evaluation apparatus, exercise test evaluation method, and non-transitory computer readable recording medium | |
| CN109645959A (zh) | 一种基于位移传感器的本体感觉测试装置以及方法 | |
| KR101889617B1 (ko) | 골프 스윙자세 분석 및 교정을 위한 연습시스템 | |
| US20200215390A1 (en) | Fitness monitoring system | |
| JP4991224B2 (ja) | 体力判定装置 | |
| CN113303765B (zh) | 一种检测感兴趣对象的特定种类肌肉问题的*** | |
| JP2016158699A (ja) | 着地位置評価方法、及び着地位置評価装置 | |
| Bonnet et al. | Evaluation of postural stability by means of a single inertial sensor | |
| Ross et al. | Validation of gyroscope sensors for snow sports performance monitoring | |
| JP7370795B2 (ja) | 歩行特徴量検出装置 | |
| JP2022554361A (ja) | 動体視覚、前庭及び体性感覚能力を測定するシステム、装置及び方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240619 Address after: No. 3, 21st Floor, Unit 2, Building 27, No. 1268 Chanhe West Road, Baqiao District, Xi'an City, Shaanxi Province, 710000 Patentee after: Li Tao Country or region after: China Address before: 518000 unit I, 4th floor, block B, building 7, Baoneng Science Park, Qinghu Industrial Park, Qingxiang Road, Longhua street, Longhua New District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN YUHENG INTERACTIVE TECHNOLOGY DEVELOPMENT Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |