CN116784838B - 基于可穿戴惯性传感器转向识别***、方法、设备及介质 - Google Patents
基于可穿戴惯性传感器转向识别***、方法、设备及介质 Download PDFInfo
- Publication number
- CN116784838B CN116784838B CN202311069783.4A CN202311069783A CN116784838B CN 116784838 B CN116784838 B CN 116784838B CN 202311069783 A CN202311069783 A CN 202311069783A CN 116784838 B CN116784838 B CN 116784838B
- Authority
- CN
- China
- Prior art keywords
- steering
- azimuth
- marking
- time window
- distance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000013598 vector Substances 0.000 claims abstract description 69
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000010354 integration Effects 0.000 claims abstract description 7
- 238000012795 verification Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 210000001513 elbow Anatomy 0.000 description 3
- 210000002683 foot Anatomy 0.000 description 3
- 230000005021 gait Effects 0.000 description 3
- 210000003127 knee Anatomy 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Dentistry (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及基于可穿戴惯性传感器转向识别***、方法、设备及介质,包括:方位生成模块:根据输入陀螺仪的角速度数据进行四元数解算和方位角积分,输出可穿戴部位在运动时的方位矢量序列;数据分割模块:将输入陀螺仪的角速度数据是否开始静止作为窗口的起止标志,得到时间窗口;转向标记模块:根据时间窗口,将所有方位矢量标记为转向或非转向;将一段标记为转向的方位矢量序列称为转向事件,得到转向标记结果;本发明仅基于陀螺仪的角速度数据,无需执行初始化动作,能够克服高频信号、噪声漂移和环境干扰等数据信号的影响,使之易于推广;对穿戴位置要求低,可以胜任运动幅度剧烈的可穿戴部位,提高复杂环境下活动监测的鲁棒性、有效性。
Description
技术领域
本发明涉及一种基于可穿戴惯性传感器转向识别***、方法、设备及介质,属于可穿戴技术领域。
背景技术
可穿戴技术使健康评价、运动监测等的长程健康监测使用提供了新的可能,其中测量加速度与角速度信号的惯性传感单元(IMU)因为反映运动信息、便于携带,在可穿戴***中广泛采用。关键事件识别(如行走、跌倒、转向等)是人体运动识别中常见的题目,其中转向识别因为有利于轨迹推测和活动评价被临床测试、居家看护等工作重视。
早期的IMU实践者已经发展出了成熟的商用动作捕捉***,例如Xsens、诺亦腾等公司提供的毫米级惯性动作捕捉***,已用于影视、动画等领域。但是动作捕捉***穿戴和操作复杂,每套***数万元起步,长程漂移问题仍然存在,难以在居家场景得到推广。
轻量的IMU技术在近年得到发展,为野外活动评价提供了可能。常见的基于IMU的转向识别技术按照模态分为单模态和多模态两种,按照还原内容是否离散可分为连续轨迹还原和关键事件识别。
传统单模态的IMU包含3轴加速度和3轴角速度信号。高频噪声的存在使IMU出现方向漂移及轨迹漂移是最棘手的难题。滤波技术通过损失高频信息缓解高频噪声的影响,仍然无法彻底解决漂移问题,因此单IMU的轨迹还原很难用于细尺度的轨迹还原。基于加速度或者角速度的包络线法可以直接识别运动模式切换的过程,即关键事件。这些技术要求穿戴牢固,其穿戴位置往往限于胸-髋之间相对稳定的躯干区域,很难用于足、膝、肘、腕等运动幅度剧烈的穿戴部位,同时对高频噪声仍然敏感。
多模态技术将IMU与其他模态结合以提升效果,常见的模态有磁力计(MIMU)、全球定位***(GPS)等。MIMU技术通过磁场信号在无干扰的环境中有效地抑制了高频噪声问题,可以获得毫米级的位置和姿态信息。MIMU每次使用都需要初始化操作,对磁场环境敏感,仍然难以在野外无差别推广。结合GPS的IMU技术在卫星信号强的户外环境能获取米级精度的位置信息,可惜只在户外场景表现较好。
发明内容
本发明技术解决问题:根据长程健康监测的需求,提供一种基于可穿戴惯性传感器转向识别***、方法、设备及介质,仅基于陀螺仪的角速度数据,无需执行初始化动作,能够克服高频信号、噪声漂移和环境干扰等数据信号的影响,使之易于推广;对穿戴位置要求低,可以胜任足、膝、肘、腕等运动幅度剧烈的可穿戴部位,提高复杂环境下活动监测的鲁棒性和有效性。
本发明技术解决方案:
第一方面,本发明提供一种基于可穿戴惯性传感器转向识别***,包括:方位生成模块、数据分割模块和转向标记模块;
方位生成模块:根据输入陀螺仪的角速度数据进行四元数解算和方位角积分,输出可穿戴部位在运动时的方位矢量序列;
数据分割模块:将输入陀螺仪的角速度数据是否开始静止作为窗口的起止标志,得到时间窗口;
转向标记模块:根据时间窗口,将所有方位矢量标记为转向或非转向;将一段标记为转向的方位矢量序列称为转向事件,得到转向标记结果。
为了进一步优化上述***技术方案,本发明还采取如下技术措施。
进一步地,所述转向识别***还包括结果校验模块;结果校验模块对所有转向事件计算彼此的时域距离,得到时域距离最小的两个转向事件;如果所述距离最小的两个转向事件的时域距离小于设定的阈值,则比较两个转向事件的时域距离得分,将时域距离得分小的转向事件包含的方位矢量标记为非转向;校验新的标记结果中时域距离最小的两个转向事件;如果所述距离最小的两个转向事件的时域距离不小于设定的阈值,则结束校验,得到校验后的转向标记结果。
进一步地,所述转向标记模块的具体实现过程如下:
(1)检查与前后时间窗口内的方位矢量序列的度量距离,合并度量距离小于预设的阈值的时间窗口;如果没有需要合并的时间窗口,停止检查;否则重新进行检查;
(2)比较合并后的时间窗口长度;将长度大于预设阈值的时间窗口内的方位矢量标记为非转向,长度小于预设阈值的时间窗口内的方位矢量标记为转向;此时所有方位矢量都无监督地被标记为转向或非转向。
第二方面,本发明提供一种基于可穿戴惯性传感器转向识别方法,步骤如下:
(1)根据输入陀螺仪的角速度数据进行四元数解算和方位角积分,输出可穿戴部位在运动时的方位矢量序列;
(2)将输入陀螺仪的角速度数据是否开始静止作为窗口的起止标志,得到时间窗口;
(3)根据时间窗口,将所有方位矢量标记为转向或非转向;将一段标记为转向的方位矢量序列称为转向事件,得到转向标记结果。
为了进一步优化上述方法技术方案,本发明还采取如下技术措施。
进一步地,所述方法的步骤(3)后还有结果验校步骤(4);
所述结果验校步骤(4)实现为:对所有转向事件计算彼此的时域距离,得到时域距离最小的两个转向事件;如果所述距离最小的两个转向事件的时域距离小于设定的阈值,则比较两个转向事件的时域距离得分,将时域距离得分小的转向事件包含的方位矢量标记为非转向;校验新的标记结果中时域距离最小的两个转向事件;如果所述距离最小的两个转向事件的时域距离不小于设定的阈值,则结束校验,得到校验后的转向标记结果。
第三方面,本发明提供一种电子设备(计算机、服务器、智能手机等),包括处理器和存储器;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的计算机程序,执行时实现一种基于可穿戴惯性传感器转向识别方法。
第四方面,本发明提供一种计算机可读存储介质(如ROM/RAM、磁盘、光盘),其上存储有计算机程序,所述计算机程序被处理器执行时实现一种基于可穿戴惯性传感器转向识别方法。
本发明与现有技术相比的优点在于:
(1)本发明仅使用无需执行初始化动作的三轴陀螺仪,可以胜任足、膝、肘、腕等运动幅度剧烈、信号频域复杂的穿戴部位,即可实现高准确度的转向识别。
(2)本发明提供的转向标记模块根据步态事件为标志的动态窗口进行分段,实现无监督的转向标记,对高频信号、噪声漂移和磁场干扰等不敏感,提高了转向识别效果的稳定性和鲁棒性。
(3)本发明提供的结果校验模块可以移除来自环境、其他人员、无关行为等外部干扰,在往返行走能力测试、规定轨迹行走测试的情景下,实现规定的转向动作识别,提高了运动健康监测时转向识别的准确度和鲁棒性。
附图说明
图1为本发明的基于可穿戴惯性传感器转向识别***流程图;
图2为某足部传感***示意图,(a)为传感器安装位置示意图,可以捕获足部运动信息,小方盒表示安装于内部的惯性传感器,(b)为根据陀螺仪的角速度获得的方位矢量示意图,其中u,v,w是世界参考系中的坐标轴;
图3为陀螺仪的x轴角速度数据示意图,其中折线表示的是x轴角速度原始采样数据,圆点标记为步态事件;
图4为窗口合并及转向标记流程示意图,其中A标识的是动态窗口分割后的所有方位矢量,B标识的是非转向标记的方位矢量,C标识的是准确的转向标记的方位矢量,D标识的是判定为异常(时域距离过近)的转向标记的方位矢量,F标识的是校验后保留的转向标记的方位矢量。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
为了使本发明的目的、技术方案及优点更加清楚,以下通过具体实施,对本发明进一步详细说明。
如图1所示,本发明的一种基于可穿戴惯性传感器转向识别***,包括:方位生成模块、数据分割模块、转向标记模块、结果校验模块;
本发明实施例使用的是行走时的陀螺仪的足部角速度数据,采样频率为60Hz,从固定在鞋上的惯性传感器中获得,如图2中的(a)所示。在行走时,足部的运动幅度更大,信号在频域上分布复杂,因此足部的惯性信号在分析时存在更大难度;行走时陀螺仪的x轴角速度数据如图3所示,角速度数据在足部静止时刻为零,在足部摆动时刻非零,存在周期信息。
为了从行走时的足部陀螺仪的角速度数据获得转向识别结果,需要方位生成模块、数据分割模块和转向标记模块。在方位生成模块中,根据输入陀螺仪的角速度数据进行四元数解算和方位角积分,输出穿戴部位在运动时的方位矢量序列;在数据分割模块中,将输入的陀螺仪的角速度数据是否开始静止作为窗口的起止标志,得到时间窗口;在转向标记模块中,根据时间窗口,将所有方位矢量标记为转向或非转向;将一段标记为转向的方位矢量序列称为转向事件,得到转向标记结果。
在往返行走能力测试、规定轨迹行走测试的情景下,不需要保留所有转向动作,只需要掉头、直角转弯等规定的转向动作识别,移除来自环节、其他人员、无关行为等外部干扰,需要结果校验模块。在结果校验模块中,根据得到的转向标记结果,移除不需要的转向事件,得到校验后的标记结果。
1.方位生成模块:根据输入陀螺仪的角速度数据进行四元数解算和方位角积分,输出穿戴部位在运动时的方位矢量序列,其中是世界参考系中的坐标值,方位矢量为单位向量/>,如图2中的(b)所示。初始化方位矢量,使得初始方位矢量为/>。
2. 数据分割模块:将输入的陀螺仪的角速度数据是否开始静止作为窗口的起止标志,得到时间窗口。在本发明实施例使用的陀螺仪的角速度数据中,x轴角速度在足部静止前后都存在剧烈的尖峰,静止前较矮的峰对应于足部触地事件,静止后较高的峰对应于足部离地事件,如图3中圆点标记所示。选择每个步态周期静止前的峰作为分割标志,得到时间窗口。
3. 转向识别模块:根据时间窗口,将所有方位矢量标记为转向或非转向;将一段标记为转向的方位矢量序列称为转向事件,得到转向标记结果。
(31)每个时间窗口内的方位矢量序列的平均矢量,其中i是时间窗口标号,/>表示第i个时间窗口的时长;不同时间窗口的方位矢量序列的平均矢量的欧几里得距离作为度量距离。检查与前后时间窗口内的方位矢量序列的度量距离,合并度量距离小于0.35的时间窗口;如果没有需要合并的时间窗口,停止检查;否则重新进行检查;
(32)比较合并后的时间窗口长度;将长度大于3.3s的时间窗口内的方位矢量标记为非转向,长度小于3.3s的时间窗口内的方位矢量标记为转向,对应图4中的非转向标记的方位矢量B;此时所有方位矢量都无监督地被标记为转向或非转向,对应图4中准确的转向标记的方位矢量C和判定为异常(时域距离过近)的转向标记的方位矢量D。
4. 结果校验模块:根据得到的转向标记结果,移除不需要的转向事件,得到校验后的标记结果。
定义两个转向事件的时域距离,为两个事件中间时刻的时间差:
,
其中i,j为事件标号,是第i个转向事件的中间时刻。如果该事件是第一个转向事件,则令/>;如果该事件是最后一个转向事件,则令,其中/>是结束行走的时刻。
定义一个转向事件的时域距离得分,为该事件与前后最近转向事件的时域距离的和:
,
对所有转向事件计算彼此的时域距离,得到时域距离最小的两个转向事件M,N;如果所述距离最小的两个转向事件的时域距离小于,则比较两个转向事件的时域距离得分/>,将时域距离得分小的转向事件包含的方位矢量标记为非转向;校验新的标记结果中时域距离最小的两个转向事件;如果所述距离最小的两个转向事件的时域距离不小于/>,结束校验,得到校验后的转向标记结果。校验后的转向标记结果如图4所示,经过结果校验模块处理,最终得到的转向标记由准确的转向标记的方位矢量C和保留的转向标记的方位矢量F所示。
基于同一发明构思,本发明的另一实施例提供一种电子设备(计算机、服务器、智能手机等),其包括存储器和处理器,所述存储器存储计算机程序,所述计算机程序被配置为由所述处理器执行,所述计算机程序包括用于执行本发明方法中各步骤的指令。
基于同一发明构思,本发明的另一实施例提供一种计算机可读存储介质(如ROM/RAM、磁盘、光盘),所述计算机可读存储介质存储计算机程序,所述计算机程序被计算机执行时,实现本发明方法的各个步骤。
提供以上实施例仅仅是为了描述本发明的目的,而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改,均应涵盖在本发明的范围之内。
Claims (6)
1.一种基于可穿戴惯性传感器转向识别***,其特征在于,包括:方位生成模块、数据分割模块和转向标记模块;
方位生成模块:根据输入陀螺仪的角速度数据进行四元数解算和方位角积分,输出可穿戴部位在运动时的方位矢量序列;
数据分割模块:将输入陀螺仪的角速度数据是否开始静止作为窗口的起止标志,得到时间窗口;
转向标记模块:根据时间窗口,将所有方位矢量标记为转向或非转向;将一段标记为转向的方位矢量序列称为转向事件,得到转向标记结果;
所述转向标记模块的具体实现过程如下:
(1)每个时间窗口内的方位矢量序列的平均矢量,其中i是时间窗口标号,/>表示第i个时间窗口的时长;不同时间窗口的方位矢量序列的平均矢量的欧几里得距离作为度量距离;检查与前后时间窗口内的方位矢量序列的度量距离,合并度量距离小于预设的阈值的时间窗口;如果没有需要合并的时间窗口,停止检查;否则重新进行检查;
(2)比较合并后的时间窗口长度;将长度大于预设阈值的时间窗口内的方位矢量标记为非转向,长度小于预设阈值的时间窗口内的方位矢量标记为转向;此时所有方位矢量都无监督地被标记为转向或非转向。
2.根据权利要求1所述的基于可穿戴惯性传感器转向识别***,其特征在于:所述转向识别***还包括结果校验模块;结果校验模块对所有转向事件计算彼此的时域距离,得到时域距离最小的两个转向事件;如果所述距离最小的两个转向事件的时域距离小于设定的阈值,则比较两个转向事件的时域距离得分,将时域距离得分小的转向事件包含的方位矢量标记为非转向;校验新的标记结果中时域距离最小的两个转向事件;如果所述距离最小的两个转向事件的时域距离不小于设定的阈值,则结束校验,得到校验后的转向标记结果。
3.一种基于可穿戴惯性传感器转向识别方法,其特征在于,步骤如下:
(1)根据输入陀螺仪的角速度数据进行四元数解算和方位角积分,输出可穿戴部位在运动时的方位矢量序列;
(2)将输入陀螺仪的角速度数据是否开始静止作为窗口的起止标志,得到时间窗口;
(3)根据时间窗口,将所有方位矢量标记为转向或非转向;将一段标记为转向的方位矢量序列称为转向事件,得到转向标记结果,
所述步骤(3)具体实现过程如下:
(31)每个时间窗口内的方位矢量序列的平均矢量,其中i是时间窗口标号,/>表示第i个时间窗口的时长;不同时间窗口的方位矢量序列的平均矢量的欧几里得距离作为度量距离;检查与前后时间窗口内的方位矢量序列的度量距离,合并度量距离小于预设的阈值的时间窗口;如果没有需要合并的时间窗口,停止检查;否则重新进行检查;
(32)比较合并后的时间窗口长度;将长度大于预设阈值的时间窗口内的方位矢量标记为非转向,长度小于预设阈值的时间窗口内的方位矢量标记为转向;此时所有方位矢量都无监督地被标记为转向或非转向。
4.根据权利要求3所述的一种基于可穿戴惯性传感的转向识别方法,其特征在于:所述方法的步骤(3)后还有结果验校步骤(4);
所述结果验校步骤(4)实现为:对所有转向事件计算彼此的时域距离,得到时域距离最小的两个转向事件;如果所述距离最小的两个转向事件的时域距离小于设定的阈值,则比较两个转向事件的时域距离得分,将时域距离得分小的转向事件包含的方位矢量标记为非转向;校验新的标记结果中时域距离最小的两个转向事件;如果所述距离最小的两个转向事件的时域距离不小于设定的阈值,则结束校验,得到校验后的转向标记结果。
5.一种电子设备,其特征在于,包括处理器和存储器;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的计算机程序,执行时实现权利要求3或4所述的方法。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求3或4所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311069783.4A CN116784838B (zh) | 2023-08-24 | 2023-08-24 | 基于可穿戴惯性传感器转向识别***、方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311069783.4A CN116784838B (zh) | 2023-08-24 | 2023-08-24 | 基于可穿戴惯性传感器转向识别***、方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116784838A CN116784838A (zh) | 2023-09-22 |
CN116784838B true CN116784838B (zh) | 2024-01-09 |
Family
ID=88045075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311069783.4A Active CN116784838B (zh) | 2023-08-24 | 2023-08-24 | 基于可穿戴惯性传感器转向识别***、方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116784838B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07301541A (ja) * | 1994-05-06 | 1995-11-14 | Hitachi Ltd | ナビゲーション装置 |
CN106510640A (zh) * | 2016-12-13 | 2017-03-22 | 哈尔滨理工大学 | 基于翻转检测的睡眠质量检测方法 |
CN107677267A (zh) * | 2017-08-22 | 2018-02-09 | 重庆邮电大学 | 基于mems‑imu的室内行人导航航向反馈修正方法 |
CN107966161A (zh) * | 2017-11-09 | 2018-04-27 | 内蒙古大学 | 基于fft的步行检测方法 |
CN108692730A (zh) * | 2018-05-21 | 2018-10-23 | 同济大学 | 应用于惯性导航的行人转向识别算法 |
CN110316201A (zh) * | 2018-03-30 | 2019-10-11 | 中科院微电子研究所昆山分所 | 一种急转弯识别方法、装置、*** |
CN110495896A (zh) * | 2019-07-31 | 2019-11-26 | 武汉理工大学 | 一种基于gprs通讯的可穿戴式膝关节监测装置及监测方法 |
CN114271812A (zh) * | 2021-12-06 | 2022-04-05 | 南京大学 | 基于惯性传感器的三维步态分析***及方法 |
CN115486837A (zh) * | 2022-09-22 | 2022-12-20 | 北京戴来科技有限公司 | 一种步态分析方法、***以及改善行走障碍的装置 |
WO2023044372A1 (en) * | 2021-09-17 | 2023-03-23 | Dolby Laboratories Licensing Corporation | Efficient orientation tracking with future orientation prediction |
CN116186514A (zh) * | 2022-12-29 | 2023-05-30 | 王琪 | 一种一体化装置的控制方法 |
KR20230081878A (ko) * | 2021-11-30 | 2023-06-08 | 주식회사 비플렉스 | 사용자의 머리에 착용되는 센서를 이용한 운동 분석 시스템 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8876739B2 (en) * | 2009-07-24 | 2014-11-04 | Oregon Health & Science University | System for clinical assessment of movement disorders |
US9307932B2 (en) * | 2010-07-14 | 2016-04-12 | Ecole Polytechnique Federale De Lausanne (Epfl) | System and method for 3D gait assessment |
JP6083279B2 (ja) * | 2013-03-25 | 2017-02-22 | セイコーエプソン株式会社 | 移動状況情報算出方法及び移動状況情報算出装置 |
WO2018102320A1 (en) * | 2016-11-29 | 2018-06-07 | Hrl Laboratories, Llc | System for incremental trajectory estimation based on real time inertial sensing |
CN109115207B (zh) * | 2017-06-23 | 2021-06-04 | 北京方位捷讯科技有限公司 | 行人步行轨迹检测方法、装置及*** |
-
2023
- 2023-08-24 CN CN202311069783.4A patent/CN116784838B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07301541A (ja) * | 1994-05-06 | 1995-11-14 | Hitachi Ltd | ナビゲーション装置 |
CN106510640A (zh) * | 2016-12-13 | 2017-03-22 | 哈尔滨理工大学 | 基于翻转检测的睡眠质量检测方法 |
CN107677267A (zh) * | 2017-08-22 | 2018-02-09 | 重庆邮电大学 | 基于mems‑imu的室内行人导航航向反馈修正方法 |
CN107966161A (zh) * | 2017-11-09 | 2018-04-27 | 内蒙古大学 | 基于fft的步行检测方法 |
CN110316201A (zh) * | 2018-03-30 | 2019-10-11 | 中科院微电子研究所昆山分所 | 一种急转弯识别方法、装置、*** |
CN108692730A (zh) * | 2018-05-21 | 2018-10-23 | 同济大学 | 应用于惯性导航的行人转向识别算法 |
CN110495896A (zh) * | 2019-07-31 | 2019-11-26 | 武汉理工大学 | 一种基于gprs通讯的可穿戴式膝关节监测装置及监测方法 |
WO2023044372A1 (en) * | 2021-09-17 | 2023-03-23 | Dolby Laboratories Licensing Corporation | Efficient orientation tracking with future orientation prediction |
KR20230081878A (ko) * | 2021-11-30 | 2023-06-08 | 주식회사 비플렉스 | 사용자의 머리에 착용되는 센서를 이용한 운동 분석 시스템 |
CN114271812A (zh) * | 2021-12-06 | 2022-04-05 | 南京大学 | 基于惯性传感器的三维步态分析***及方法 |
CN115486837A (zh) * | 2022-09-22 | 2022-12-20 | 北京戴来科技有限公司 | 一种步态分析方法、***以及改善行走障碍的装置 |
CN116186514A (zh) * | 2022-12-29 | 2023-05-30 | 王琪 | 一种一体化装置的控制方法 |
Non-Patent Citations (1)
Title |
---|
基于惯性测量单元的帕金森病患者冻结步态检测***;马銮,李波陈,何娟娟,姚志明,杨先军,梁栋;中国医疗器械杂志(第4期);238-242 * |
Also Published As
Publication number | Publication date |
---|---|
CN116784838A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11030918B2 (en) | Identification and analysis of movement using sensor devices | |
Yan et al. | Ronin: Robust neural inertial navigation in the wild: Benchmark, evaluations, and new methods | |
Sabatini | Quaternion-based extended Kalman filter for determining orientation by inertial and magnetic sensing | |
Cho et al. | Design and implementation of practical step detection algorithm for wrist-worn devices | |
Fang et al. | Development of a wearable device for motion capturing based on magnetic and inertial measurement units | |
Li et al. | Real-time human motion capture based on wearable inertial sensor networks | |
Dong et al. | An optical-tracking calibration method for MEMS-based digital writing instrument | |
JP5750742B2 (ja) | 移動体の状態推定装置 | |
Wang et al. | Pose-invariant inertial odometry for pedestrian localization | |
Lin et al. | Development of an ultra-miniaturized inertial measurement unit WB-3 for human body motion tracking | |
Fatmi et al. | American Sign Language Recognition using Hidden Markov Models and Wearable Motion Sensors. | |
Malawski | Depth versus inertial sensors in real-time sports analysis: A case study on fencing | |
Luo et al. | Deep motion network for freehand 3D ultrasound reconstruction | |
Lin | RETRACTED ARTICLE: Research on film animation design based on inertial motion capture algorithm | |
Panahandeh et al. | Chest-mounted inertial measurement unit for pedestrian motion classification using continuous hidden Markov model | |
Wang et al. | Effective inertial hand gesture recognition using particle filtering based trajectory matching | |
CN116784838B (zh) | 基于可穿戴惯性传感器转向识别***、方法、设备及介质 | |
CN109758154A (zh) | 一种运动状态确定方法、装置、设备及存储介质 | |
CN112907633A (zh) | 动态特征点识别方法及其应用 | |
CN111382701A (zh) | 动作捕捉方法、装置、电子设备及计算机可读存储介质 | |
CN107847187A (zh) | 用于对肢体的至少部分进行运动跟踪的装置和方法 | |
US11854214B2 (en) | Information processing apparatus specifying a relationship between a sensor and an object included in image data, and method and non-transitory computer-readable storage medium | |
JP6147446B1 (ja) | ソフト制約及びペナルティ機能を使用した慣性センサの初期化 | |
Bao et al. | Improved PCA based step direction estimation for dead-reckoning localization | |
Zhang et al. | PCA & HMM based arm gesture recognition using inertial measurement unit |
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 |