CN109540143B - 多传感源动态峰值融合的行人非常规动作方向识别方法 - Google Patents

Abstract

本发明涉及室内定位与导航技术领域，具体涉及一种多传感源动态峰值融合的行人非常规动作方向识别方法，包括获取行人在三维坐标系下的加速度值和角速率值；分别根据加速度值和角速率值得到三轴加速度模值的方差和航向角信息，并根据加速度模值的方差和航向角信息识别出行人处于直线行走状态；根据加速度值分别得到水平面内两个坐标轴方向的加速度的方差；根据方差判断出行人当前运动所在的坐标轴；分别获取行人在坐标轴的加速度斜率，根据加速度斜率判断行人沿着当前坐标轴的运动方向。该方法可以准确判断出行人处于非常规运动时的运动方向以及各个动作之间的切换，行人每走一步，就能判断出行走的动作方向，和现有的方法相比判断的实时性更高。

Description

多传感源动态峰值融合的行人非常规动作方向识别方法

技术领域

本发明涉及室内定位与导航技术领域，具体涉及一种多传感源动态峰值融合的行人非常规动作方向识别方法。

背景技术

目前，核电站厂区对室内定位与导航的需求日益增加，通过MEMS惯性传感器采集的信息来识别人体运动模式，成为了室内定位的一个重要研究方向。这些运动模式包括静止、直行、跑步、上下楼梯等，其中直行是日常生活中最常见的一种运动模式，主要行为动作分为向前行走(前进)、向后行走(后退)、向左侧行走(左移)、向右侧行走(右移)。

前进是人体直行过程中最主要的动作，属于常规行人动作；而后退、左移、和右移在人体直行过程中出现频率低且具有突发性，属于非常规行人动作，前进、后退、左移和右移动作如图2所示，图中箭头的方向表示行走的方向，①图为前进，②图为后退，③图为左移，④图为右移，其中直行时，后退、左移、和右移时人的朝向没有改变，人体没有发生转动，传感器就无法检测到人运动方向的改变。虽然直行过程中这三种动作属于非常规动作，但在MEMS惯性传感器定位与导航领域，其识别精度直接影响到定位的精准性和可靠性。现有的技术中，对识别前进这种常规动作的研究已经趋于成熟，但对于后退、左移和右移这些非常规动作的识别算法存在着可靠性不强，识别率相对较低，实时性差等问题。在后退实时识别方法中，申崇江等提出了一种计算量较小，识别率比较理想的算法，但未对左移和右移的识别进行研究。在左移、右移实时识别的算法中，韩青振等提出了一种利用静止到运动第一个加速度波形的差异识别左移和右移的算法，但其每一次识别都需要行人先静止一段时间，实时性和识别率较低。

室内定位的需求在核电厂内日益凸显。由于核电厂内建筑结构极其复杂且密闭使得常规的无线和磁力定位不能胜任，致使工作人员存在建筑内部迷路的可能。而惯性导航自主定位技术将为这个问题的解决提供更加科学的解决方案。现有技术存在可靠性低、实时性差、识别率不高的问题。

发明内容

为了解决在常规的无线和磁力定位无法适用的环境下人体非常规动作方向无法识别的技术问题，本申请提供一种多传感源动态峰值融合的行人非常规动作方向识别方法。

多传感源动态峰值融合的行人非常规动作方向识别方法，包括：

获取行人在三维坐标系下的加速度值和角速率值；

分别根据所述加速度值和角速率值得到三轴加速度模值的方差和航向角信息，并根据所述加速度模值的方差和航向角信息识别出行人处于直线行走状态；

根据所述加速度值分别得到水平面内两个坐标轴方向的加速度的方差；根据所述方差判断出行人当前运动所在的坐标轴；

分别获取行人在所述坐标轴的加速度斜率，根据所述加速度斜率判断行人沿着当前坐标轴的运动方向。

进一步的，还包括：

获取行人在三维坐标下的加速度值和角速度值后，分别对其进行汉明窗低通滤波处理和平滑滤波处理。

其中，所述根据所述加速度模值的方差和航向角信息识别出行人处于直线行走状态；包括：

获取行人三步内航向角的变化量，若所述加速度模值的方差大于对应的预设值且三步内航向角的变化量小于对应的预设值，则判定行人处于直线行走状态。

其中，所述加速度模值的方差对应的预设值为1，所述三步内航向角的变化量对应的预设值为15°。

其中，所述根据所述加速度值分别得到水平面内两个坐标轴方向的加速度的方差；根据所述方差判断出行人当前运动所在的坐标轴，包括:

判断沿主坐标轴方向的加速度的方差是否小于等于预设的第一阈值且沿另从坐标轴方向的加速度的方差是否大于等于第二阈值，若是，则判定行人当前沿主坐标轴运动，否则判定行人当前沿从坐标轴运动；

所述主坐标轴方向为行人初始时刻朝向的方向，所述从坐标轴为水平面内与所述主坐标轴垂直的坐标轴。

其中，所述第一阈值为0.5，所述第二阈值为1。

其中，所述根据所述加速度斜率判断行人沿着当前坐标轴的运动方向，包括：

当行人沿所述主坐标轴运动时，用峰值检测法获取行人竖直方向加速度的波峰值，记录所述波峰值对应的采样点的位置，获取主坐标轴方向的加速度在所述采样点位置的斜率，若该斜率为负，则行人沿主坐标轴的正方向运动，若该斜率为正，则行人沿主坐标轴的反方向运动；

当行人沿所述从坐标轴运动时，用峰值检测法获取行人竖直方向加速度的波谷值，记录所述波谷值所在的采样点的位置，获取从坐标轴方向的加速度在所述采样点位置的斜率，若该斜率为正，则行人沿从坐标轴的正方向运动，若该斜率为负，则行人沿从坐标轴的反方向运动。

其中，所述用峰值检测法获取行人竖直方向加速度的波峰值，记录所述波峰值对应的采样点的位置，包括：

首先去除竖直方向加速度波峰值小于1的波峰，进一步，若相邻两个峰值之间的时间间距小于0.2秒，则去除后一个波峰，记录剩余的波峰对应的采样点的位置。

其中，所述用峰值检测法获取行人竖直方向加速度的波谷值，记录所述波谷值所在的采样点的位置，包括：

首先去除竖直方向加速度波谷值大于-1的波谷，进一步，若相邻两个峰谷之间的时间间距小于0.6秒，则去除后一个波谷，记录剩余的波谷对应的采样点的位置。

其中，所述采样点位置的斜率的获取方法为：

分别获取当前采样点相邻的前一个采样点和后一个采样点的加速度，分别计算当前采样点的加速度和前一采样点的加速度的差值以及下一个采样点和当前采样点的加速度的差值，若两个差值均为负，则当前采样点的斜率为负，若两个差值均为正，则当前采样点的斜率为正。

依据上述实施例的多传感源动态峰值融合的行人非常规动作方向识别方法，通过对重力传感器和角速率传感器采集的运动信息进行融合处理判断出行人处于非常规运动时的运动方向以及各个动作之间的切换，其中，行人每走一步，就能根据竖直方向加速度的波峰和波谷判断出行走的动作方向，和现有的方法相比判断的实时性更高。

附图说明

图1为本申请实施例动作识别方法流程图；

图2为本申请实施例人体前进、后退、左移和右移动作示意图；

图3-1为本申请实施例重力传感器轴向定义示意图；

图3-2为本申请实施例姿态角定义示意图；

图4为本申请实施例动作识别方法工作流程图；

图5为本申请实施例人体前进、后退、左移和右移动作时对应的加速度方差波形图；

图6为本申请实施例行人在前进和后退动作时竖直方向和主坐标轴方向加速度波形图；

图7为本申请实施例行人在左移和右移动作时竖直方向和从坐标轴方向加速度波形图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

本申请提供的多传感源动态峰值融合的行人非常规动作方向识别方法，如图1，该方法包括：

步骤101:获取行人在三维坐标系下的加速度值和角速率值；

步骤102：分别根加速度值和角速率值得到三轴加速度模值的方差和航向角信息，并根据获取的加速度模值方差和航向角信息识别出行人处于直线行走状态；

步骤103：根据获取的加速度值分别得到水平面内两个坐标轴方向的加速度的方差；根据所述方差判断出行人当前运动所在的坐标轴；

步骤104：分别获取行人在当前坐标轴的加速度斜率，根据所述加速度斜率判断行人当前沿着当前坐标轴的运动方向。

其中，步骤101包括:首先根据待测试环境建立三维坐标系，例如以过道的方向为水平方向的轴向，通过佩戴在行人身上的重力传感器采集人体运动时坐标系三个轴向的加速度值，如前进后退方向的加速度值A_x，左右横移的加速度值A_y和垂直方向加速度A_z。同时通过佩戴在行人身上的角速率传感器采集行人运动时沿三个轴向的角速度信息，进一步的为了使得计算的结果更加准确，对采集的加速度值采用汉明窗低通滤波去除高频噪声信号，对采集的角速度信息采用平滑滤波去除噪声信号。

其中，步骤102包括：根据去燥处理后的加速度信息计算当前三轴加速度模值A_cc，具体的：

其中，A_x、A_y、A_z分别表示当前X轴、Y轴和Z轴方向的加速度。

根据去燥后的角速率值使用陀螺仪四元素解算法求取人体运动时每步的航向角Yaw。进一步的，计算一秒内加速度模值的方差S_Acc，

同时计算三步内行人航向角的变化，采用如下公式(1)：

其中，Yaw(n)表示当前这一步的航向值，Yaw(n+1)表示下一步的航向值Yaw(n-1)表示上一步的航向值。如果，

且S_Acc＞ΔS_Acc，则判定行人处于直线行走状态，其中

表示预设的三步内航向角变化量阈值，本申请发明人在经过大量数据分析和实验验证得到该值设置为15°时判断结果最为准确；ΔS_Acc表示加速度模值的方差对应的预设值，本申请设为1。

其中，步骤103具体包括:将行人初始时刻面向的方向定义为主坐标轴，则水平面内另一个坐标轴为从坐标轴，判断沿主坐标轴方向的加速度的方差是否小于等于预设的第一阈值且沿另从坐标轴方向的加速度的方差是否大于等于第二阈值，若是，则判定行人当前沿主坐标轴运动，否则判定行人当前沿从坐标轴运动。其中经过多次数据采集以及判断结果验证得到第一阈值为0.5，第二阈值为1。具体的，当行人在主坐标轴上运动时的动作为前进或后退，在从坐标轴运动时的动作为左移或右移，其中在前进或后台以及左移右移过程中行人的面朝向不会改变，即始终朝向定义的主坐标轴的正方向。

其中，如图5，行人直行时，其前进后退和左移右移时主坐标轴和从坐标轴方向的加速度方差的差异十分明显，可以通过设定方差的阈值，将行走动作分为沿主坐标轴和沿从坐标轴方向，即前进后退和左移右移两类。

具体的，通过以上分析可以，前进后退和左移右移时前向和横向加速度方差的差异十分明显，本申请中设置方差的阈值，将行走动作分为前进后退和左移右移两类，具体包括：

(1)当S_x＜＝S₁且S_y＞＝S₂时，则判定人体运动为第一类动作(前进后退)；

(2)当S_x＞S₁且S_y＜S₂时，则判定人体运动为第二类动作(左移右移)；

其中，第一阈值s₁＝0.5，第二阈值s₂＝1。

前进和后退动作时前向和垂直方向加速度波形图如图6所示。

步骤104中具体包括：如图5，通过大量的数据采集和加速度图谱可以看出，当行人沿着主坐标轴正方向运动(即前进)时，获取竖直方向加速度图谱的波峰值，记录该波峰值对应的采样点(即时间点)，此时主坐标轴方向加速度在该采样点时刻的加速度呈下降趋势，即其斜率小于0，当行人后退时，主坐标轴方向的加速度呈上升趋势，即其斜率大于0。当行人沿着从坐标轴正方向运动(即左移)时，获取竖直方向加速度图谱的波谷值，记录波谷所在的采样点位置，此时从坐标轴方向的加速度在该采样点呈上升趋势，即其斜率大于0，当行人沿着从坐标轴方向的反向移动时，此时获取竖直方向加速度图谱的波谷所在采样点，从坐标轴方向的加速度在该采样点呈下降趋势，即其斜率小于0。通过以上分析，本申请根据加速度斜率判断行人当前沿着当前坐标轴的运动方向，具体包括：

当行人沿主坐标轴运动时，用峰值检测法获取行人竖直方向加速度的波峰值，记录所述波峰值对应的采样点的位置，获取主坐标轴方向的加速度在所述采样点位置的斜率，若该斜率为负，则行人沿主坐标轴的正方向运动，若该斜率为正，则行人沿主坐标轴的反方向运动；

当行人沿从坐标轴运动时，用峰值检测法获取行人竖直方向加速度的波谷值，记录所述波谷值所在的采样点的位置，获取从坐标轴方向的加速度在所述采样点位置的斜率，若该斜率为正，则行人沿从坐标轴的正方向运动，若该斜率为负，则行人沿从坐标轴的反方向运动。

具体的，当人体处于第一类动作时，用峰值检测法获取垂直方向加速度A_z的波峰值点m₁；K₁＝A_x(m₁)-A_x(m₁-1)，K₂＝A_x(m₁+1)-A_x(m₁)，如果K₁＜0且K₂＜0，则判定人体该动作为前进；如果K₁＞0且K₂＞0，则判定人体该动作为后退；其中A_x(m₁)为任意采样点m₁时刻对应的X轴加速度，A_x(m₁+1)表示m₁的后一个点对应的加速度，A_x(m₁-1)表示m₁的前一个点对应的加速度。

如图7，当人体处于第二类动作(左移和后移)时，在垂直方向加速度波谷时刻，横向方向加速度对应的状态：右移时，横向方向加速度为下降趋势，其斜率小于0；左移时，横向方向加速度为上升趋势，其斜率大于0。具体的，当人体处于第二类动作时，用峰值检测法获取垂直方向加速度A_z的波谷值点m₂；K₃＝A_y(m₂)-A_y(m₂-1)，K₄＝A_y(m₂+1)-A_y(m₂)，如K₃＜0且K₄＜0，则判定人体该动作为右移；如果K₃＞0且K₄＞0，则判定人体该动作为左移；其中，A_y(m₂)为任意点m₂时刻对应的Y轴方向加速度，A_y(m₂+1)表示m₂点的后一个点对应的Y轴方向加速度，A_y(m₂-1)表示m₂点的前一个点对应的Y轴方向加速度。在室内定位中，当前进后退和左移右移任一动作被识别时，对应的计步作加1处理。

进一步的，为了使得判断的结果更加精确，当行人在沿柱坐标轴方向运动时，用峰值检测法获取行人在竖直方向加速度的波峰值，记录该波峰值对应的采样点位置时，还需要对该波峰值进行预处理，具体包括：首先去除竖直方向加速度波峰值小于1的波峰，进一步，若相邻两个峰值之间的时间间距小于0.2秒，则去除后一个波峰，记录剩余的波峰对应的采样点的位置即为可以作为判定依据的采样点。

同时，当行人在沿柱从标轴方向运动时，用峰值检测法获取行人竖直方向加速度的波谷值，记录该波谷值所在的采样点的位置时，也需要对波谷值进行预处理，具体包括：首先去除竖直方向加速度波谷值大于-1的波谷，进一步，若相邻两个峰谷之间的时间间距小于0.6秒，则去除后一个波谷，记录剩余的波谷对应的采样点的位置。

其中，在获取采样点位置对应的主坐标轴方向或从坐标轴方向的斜率时，为了判断更加精确，分别获取当前采样点相邻的前一个采样点和后一个采样点的加速度，分别计算当前采样点的加速度和前一采样点的加速度的差值以及下一个采样点和当前采样点的加速度的差值，若两个差值均为负，则当前采样点的斜率为负，若两个差值均为正，则当前采样点的斜率为正。如此提高了斜率的判断精度。

实施例1

以下结合附图和具体场景对本申请方法进行说明。

如图3，当行人在核电厂内的过道中，以该过道为X轴且以面朝向方向为X轴正方向根据右手定则建立如图坐标系，其中定位X轴为主坐标轴，Y轴为从坐标轴，通过佩戴在行人腰间的三轴重力传感器分别获取沿各个坐标轴的加速度，其中三轴重力传感器由是哪个正交的单轴重力传感器构成，可以知道其采集的三个加速度波形分别对应的方向，如图3-1，A_x表示人体前进方向的加速度，A_z表示垂直方向的加速度，与重力加速度方向相反，A_y表示横向方向的加速度，与A_x、A_z构成右手坐标系。三轴角速率传感器由三个正交的单轴角速率传感器构成，通过其采集的角速率可解算出的行人的姿态角信息，则可知其解算出的三个姿态角波形分别对应的方向。姿态角方向定义如图3-2所示，Yaw表示人体运动时的航向角，Pitch表示人体运动时的俯仰角，Roll表示人体运动时的横滚角。在本发明中，仅仅需要使用航向角Yaw。

如图4所示，本实例的具体步骤如下：

(1)通过佩戴在腰部的重力传感器采集人体运动时前进方向加速度A_x、横向加速度A_y和垂直方向加速度A_z，进行汉明窗低通滤波，去除高频噪声信号，同时解算滤波过后的三轴加速度模值A_cc；

(2)使用角速率传感器采集人体运动时三个方向的角速度信息，进行平滑滤波，去除噪声信号；

(3)分别求(1)中滤波后前向加速度A_x和横向加速度A_y的方差S_x和S_y，以及当前三轴加速度模值方差S_Acc；

(4)融合(1)(2)中不同传感器的数据，使用陀螺四元素解算法求取人体运动时每步的航向角Yaw；

(5)通过不同运动状态下三轴加速度模值方差差异，结合航向角Yaw在三步间的变化量，判定行人是否处于直线行走状态，判定人体处于直行状态的算法为：

解算一秒内加速度模值的方差S_Acc，计算三步内航向角变化

如果，

且S_Acc＞ΔS_Acc，则判定行人处于直线行走状态，其中，

表示预设的三步内航向角变化量阈值，本实施例中该值设置为15°；ΔS_Acc表示加速度模值的方差对应的预设值，本实施例中设为1。

当识别出行人直行时，通过(3)中的单个轴向的加速度方差设定阈值判定，将行走动作分为前进后退(第一类)和左移右移(第二类)两类；本实施例中，本实施例中判断沿主坐标轴X方向的加速度的方差是否小于等于预设的第一阈值且沿另从坐标轴Y方向的加速度的方差是否大于等于第二阈值，若是，则判定行人当前沿主坐标轴X运动，否则判定行人当前沿从坐标轴Y运动,其中，第一阈值为0.5，第二阈值为1。

(6)当人体沿主坐标轴X运动时，通过峰值检测的方法获取垂直方向加速度A_z的波峰，包括对该波峰值进行预处理，具体为：首先去除竖直方向加速度波峰值小于1的波峰，进一步，若相邻两个峰值之间的时间间距小于0.2秒，则去除后一个波峰，记录剩余的波峰对应的采样点的位置即为可以作为判定依据的采样点。获取经过预处理后的采样点并存***峰所在采样点的位置信息,通过斜率运算判断X轴方向加速度A_x在同一采样点位置的斜率大小，如果斜率小于0，则判定为前进，反之判定为后退；其中在对任意采样点m₁，通过斜率运算判断X轴方向加速度A_x在同一采样点位置的斜率大小时，分别计算K₁＝A_x(m₁)-A_x(m₁-1)，K₂＝A_x(m₁+1)-A_x(m₁)，如果K₁＜0且K₂＜0，则判定人体沿X轴正方向移动，即该动作为前进；如果K₁＞0且K₂＞0，则判定人体沿X轴负方向移动，即该动作为后退；其中A_x(m₁)为任意采样点m₁时刻对应的X轴加速度，A_x(m₁+1)表示m₁的后一个点对应的加速度，A_x(m₁-1)表示m₁的前一个点对应的加速度。

(7)当人体Y轴运动时，通过峰值检测的方法获取垂直方向加速度A_z的波谷，记录该波谷值所在的采样点的位置时，也需要对波谷值进行预处理，具体包括：首先去除竖直方向加速度波谷值大于-1的波谷，进一步，若相邻两个峰谷之间的时间间距小于0.6秒，则去除后一个波谷，记录剩余的波谷对应的采样点的位置。获取进过预处理后的采样点并存***谷所在采样点的位置信息,通过斜率运算判断Y轴加速度A_y在同一采样点位置的斜率大小，如果斜率小于0，则判定为右移，反之判定为左移；其中在计算Y轴加速度A_y在同一采样点位置的斜率时，包括：对于任意采样点m₂，分别计算K₃＝A_y(m₂)-A_y(m₂-1)，K₄＝A_y(m₂+1)-A_y(m₂)，其中K₃和K₄均为有正负值的标量，如果，K₃＜0且K₄＜0，则当前时刻加速度数据斜率小于0；如果，K₃＞0且K₄＞0，则当前时刻加速度数据斜率大于0；其中，A_y(m₂)为任意点m₂时刻对应的Y轴方向加速度，A_y(m₂+1)表示m₂点的后一个点对应的Y轴方向加速度，A_y(m₂-1)表示m₂点的前一个点对应的Y轴方向加速度。

通过以上方法可以在密闭空间或者无线和磁力定位不适用的环境对人体非常规动作进行识别，识别出人体运动的方向以及各个动作之间的切换。该方法利用多异质传感器组合(角速率传感器和重力传感器)采集运动信息，通过信息融合和处理得到识别结果更加可靠，同时每检测到一个垂直方向加速度波峰值或波谷，就判定行走一步，这样每行走一步都能实时判断出行人运动的动作方向，判断的时效性更好。同时通过多次试验和数据表明，在当行人不断切换不同的运动行为模式，该算法对前进后退左移右移四个动作的识别率达到98％，可信度很高。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (9)

1.多传感源动态峰值融合的行人非常规动作方向识别方法，其特征在于，包括：

获取行人在三维坐标系下的加速度值和角速率值；

分别根据所述加速度值和角速率值得到三轴加速度模值的方差和航向角信息，并根据所述三轴加速度模值的方差和航向角信息识别出行人处于直线行走状态；

根据所述加速度值分别得到水平面内两个坐标轴方向的加速度的方差；根据所述方差判断出行人当前运动所在的坐标轴；

分别获取行人在所述坐标轴的加速度斜率，根据所述加速度的峰值斜率判断行人沿着当前坐标轴的运动方向；

其中，所述根据三轴加速度模值的方差和航向角信息识别出行人处于直线行走状态，包括：获取行人三步内航向角的变化量，若所述三轴加速度模值的方差大于对应的预设值且三步内航向角的变化量小于对应的预设值，则判定行人处于直线行走状态。

2.如权利要求1所述的行人非常规动作方向识别方法，其特征在于，还包括：

获取行人在三维坐标下的加速度值和角速率值后，分别对其进行汉明窗低通滤波处理和平滑滤波处理。

3.如权利要求1所述的行人非常规动作方向识别方法，其特征在于，所述三轴加速度模值的方差对应的预设值为1m/s²，所述三步内航向角的变化量对应的预设值为15°。

4.如权利要求1所述的行人非常规动作方向识别方法，其特征在于，所述根据所述加速度值分别得到水平面内两个坐标轴方向的加速度的方差；根据所述方差判断出行人当前运动所在的坐标轴，包括:

判断沿主坐标轴方向的加速度的方差是否小于等于预设的第一阈值且沿另从坐标轴方向的加速度的方差是否大于等于第二阈值，若是，则判定行人当前沿主坐标轴运动，否则判定行人当前沿从坐标轴运动；

所述主坐标轴方向为行人初始时刻朝向的方向，所述从坐标轴为水平面内与所述主坐标轴垂直的坐标轴。

5.如权利要求4所述的行人非常规动作方向识别方法，其特征在于，所述第一阈值为0.5 m/s²，所述第二阈值为1 m/s²。

6.如权利要求3所述的行人非常规动作方向识别方法，其特征在于，所述根据所述加速度的峰值斜率判断行人沿着当前坐标轴的运动方向，包括：

当行人沿主坐标轴运动时，用峰值检测法获取行人竖直方向加速度的波峰值，记录所述波峰值对应的采样点的位置，获取主坐标轴方向的加速度在所述采样点的位置的斜率，若该斜率为负，则行人沿主坐标轴的正方向运动，若该斜率为正，则行人沿主坐标轴的反方向运动；

当行人沿从坐标轴运动时，用峰值检测法获取行人竖直方向加速度的波谷值，记录所述波谷值所在的采样点的位置，获取从坐标轴方向的加速度在所述采样点的位置的斜率，若该斜率为正，则行人沿从坐标轴的正方向运动，若该斜率为负，则行人沿从坐标轴的反方向运动。

7.如权利要求6所述的行人非常规动作方向识别方法，其特征在于，所述用峰值检测法获取行人竖直方向加速度的波峰值，记录所述波峰值对应的采样点的位置，包括：

首先去除竖直方向加速度波峰值小于1 m/s²的波峰，进一步，若相邻两个峰值之间的时间间距小于0.2秒，则去除后一个波峰，记录剩余的波峰对应的采样点的位置。

8.如权利要求6所述的行人非常规动作方向识别方法，其特征在于，所述用峰值检测法获取行人竖直方向加速度的波谷值，记录所述波谷值所在的采样点的位置，包括：

首先去除竖直方向加速度波谷值大于-1 m/s²的波谷，进一步，若相邻两个峰谷之间的时间间距小于0.6秒，则去除后一个波谷，记录剩余的波谷对应的采样点的位置。

9.如权利要求6所述的行人非常规动作方向识别方法，其特征在于，所述采样点的位置的斜率的获取方法为：

分别获取当前采样点相邻的前一个采样点和后一个采样点的加速度，分别计算当前采样点的加速度和前一采样点的加速度的差值以及下一个采样点和当前采样点的加速度的差值，若两个差值均为负，则当前采样点的斜率为负，若两个差值均为正，则当前采样点的斜率为正。

Images