您好、欢迎来到现金彩票网!
当前位置:2019欢乐棋牌 > 姿态识别 >

辅助室内定位的关键人体姿态识别

发布时间:2019-07-05 04:37 来源:未知 编辑:admin

  第 17卷 第 12期 2017年 4 月 1671— 1 815(2017)012-0211-07 科 学 技 术 与 工 程 Science Technology and Engineering Vol. 17 No. 12 Apr. 2017 ? 2017 Sci. Tech. Engrg. 辅助室内定位的关键人体姿态识别 刘 旭 1 二3 徐正蓺^ 朱金鑫1 黄 超 1 ( 中 M 科学院上海高等研究院 1 , 上 海 201210; 中 丨 :H丨 科 , 院大学2 , 北 京 100049; 上 海 科 技 大 少 , 上 海 201210) 摘 要 基 于步行者航位推算的室内定位方法中位移的计算一定程度上依赖于人体姿态的正确识别。原地踏步和走路是其 中主要的关键姿态, 两者的加速度信号相似, 传统方法很难进行高精度的区分, 导致航位推算的步长计算错误。基于惯性传 感器进行室内场景中八种人体姿态识别研究, 根据运动强度的不同采用分层分类法。首先将原地踏步和走路归为一类, 通过 时域特征结合支持向量机( SVM )进行姿态分类; 然后利用加速度的时域和小波特征以及磁场特征, 结 合 AdaBoost 方法进行二 分类。关键姿态的识别准确率超过9 6 % , 对包含复杂运动姿态的步行者室内定位起到更佳的辅助作用。 关 键 词 地磁场 小波分解 中 图 法 分 类 号 TP 391.9; 文献标志码A SVM AdaBoost 步行者定位系统有很大的应用场景, 如应急救 援人员定位、 老人儿童看护等。室 内 外 环 境 下 信号强度不同, 研究人员采取不同的定位技术[ 经典的步行者定位系统采用 和步行者航位推 GPS 有效区分原地踏步和走路才能正确估算步长6 因此如 何高精度的识别原地踏步和走路是辅助定位的关键与 难点, 同时提出的算法需要兼容跑步、 站立、 左侧躺、 右 侦 _、 仰卧和俯卧等其他姿态的识别。 GPS 算 PDR(pedestrian dead reckoning) 的融合方法。室 外 采 用 EKF/ PDR/ GPS融 合 系 统 , 室 内 则 依 赖 PDR 的计算。高 精 度 的 PDR 需要运动姿态的识别结果 进行辅助。例如检查到非走路状态时, 将计算的步 长置零。用 于 姿 态 识 别 的 传 感 器 包 括 惯 性 传 感 器 ( )、 图像传感器[5’ 6]、 气 1 相关工作 姿态识别的一般流程是数据采集、 特征选择、 模 IMU inertial measurement unit 型训练和姿态识别等_8_1°]。采集数据之前, 先要确 定姿态的种类和传感器的使用信息。本文研究重点 在于利用惯性传感器, 区分与定位系统中步长计算、 位移校准等密切相关的关键姿态。传感器佩戴于腰 间的方式对于记录整个身体的运动状态有较好的效 果, 而且不影响测试人员的正常运动状态。选用的 模块佩戴情况如图1 所示。 压计[7]、 音频传感器、 表面肌电计等。 IMU包括加 速度传感器、 陀螺仪、 磁力计等, 是人体姿态识别研 究中经常采用的传感器。 定位系统包括姿态识另 、 步长估计和角度计 PDR fj 算等部分。姿态识别位于定位系统的底层, 识别的结 果作为步长计算的输入。室内常见的姿态有原地踏 步、 走路、 跑步、 站立和躺姿等 6 原地踏步和走路是位 移计算中的关键姿态。原地踏步通常是运动前的准备 动作, 包括身体的小范围移动 原地踏步和走路的加 速度信号具有相似性, 而原地踏步时步长应置零, 只有* 2 0 1 6 年 1 1 月 3 H 收到 第 一作者简介 : 刘 旭 十三五国家重点研发计划 S 图1 模块佩戴情况 (2016YFC0801505 )资助 ( 1994 一 ) , 硕 士 究 生 。研 究 方 向 : 模式识 另 lj。 E -m ail :liux@ sari. ac. cn 〇 * 通信作者简介: 徐正蓺( 1987— ) , 博 士 。研 究 方 向 : 数据融合。 E-mail :xuzy@ sari. ac. cn0 引用格式 : 刘 旭 , 徐正 蓺 , 朱金鑫, 等?辅助室内定位的义键人体 姿态识别 [ J ] . 科学 技 术 与 工 程 , 2017, 1 7(12) : 211 — 217 Liu Xu, Xu Zhengyi, Zhu Jinxin, et al. Key human gesture recognition for assisting indoor positioning J . Science Technology and Engineering, 2017, 1 7 (1 2 ) :211— 217 Fig. 1 Module wearing manner 研究中有一些通用的观点, 文 献 [11 ]通过特征 分析, 提出不同的特征值和窗口长度造成姿态识别 的结果不同。一般 情 况 下 , 频率特征使得识别效果 更好;时域特征中的方差特征的作用更高;窗口大小 为 1 2 时姿态识别的精度较高。表 1 概括介绍 ? s 相关参考文献中, 姿态识别的种类、 传感器信息及分 类精度等相关信息。 可见加速度传感器和 分 SVM 212 科 学 技 术 与 工 程 17卷 1 相关文献姿态识别研究概述 Table 1 Summary of references on gesture recognition research 表 文献 姿态 种类 传感器类型及佩戴位置 手机集成传感器; 手腕处、 腰上和肩上 加速度计; 口袋中的 6 种放置情况 二轴加速度计; 大腿 、 腰等5 处 加速度计; 脚踝和大腿处 一个加速度计 ; 腰 带 , 裤子口袋和上衣口袋相比较 加速度计; 手腕处 测试人数 可达准 确率/% 分类方法 特殊之处 对传感器放置在身体的位置

http://gardenerus.com/zitaishibie/165.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有