基于壓力傳感器及支持向量機的人體運動識別系統

王晉

（西安工業大學陜西西安710021）

人體運動狀態的檢測主要是利用計算機或者其他的移動設備或者數據進行收集和分析，實現人體目前運動狀態的智能識別和記錄。人體運動檢測在行為分析、運動員姿態矯正及醫療檢測等多方面具有遼闊的使用前景。但是目前對于人體運動狀態識別研究過程中，主要包括以下兩方面的問題。第一方面，就是設備具有較高的要求，并且是被的精度比較低。比如，在設置傳感器設備的過程中，一般只需要考慮并且假設設備在某個方向中不發生變化[1]。但是在實際情況中無法實現，在測試人員運動較為激烈的情況下，設備在方向中就會出現變化。基于此，本文所研究的人體運動識別系統中具有一定的自動校正方向的優勢，能夠利用方向傳感器實現數據映射變換，以此有效提高預測精準度。另外，數據學習過程中需要的數據集比較大，在實現數據學習的過程中，傳統模式識別或者人工網絡能夠在數據訓練過程中使用，但是小樣本集傳統方法無法得到良好的效果。本文所設計的人體運動識別系統能夠實現運動狀態的建模和分析，不僅能夠保證運動識別的精準性，還能夠避免高負荷數據的收集。支持向量機能夠利用數據理論提高識別精準度[2]。

1 人體運動分析

為了能夠全面分析人體運動，就要全面掌握運動生物力學中的常用參數，比如加速度、位移、力、慣量等，圖1為人體在運動過程中所需要的加速度。

圖1 人體在運動過程中所需要的加速度

速度增量和需要的時間比值就是平均加速度，瞬時加速度為時間無限小時平均加速度極限值。加速度屬于矢量，方向和速度方向、位移方向一樣[3]。

平均角速度指的是在一點時間中角位移和時間之間比，瞬時角速度指的是無限小時平均角速度極限值，角速度指的是矢量，方向規定和角位移一樣，本文所研究的輸出角速度曲線詳見圖2。

圖2 輸出角速度的曲線

圖3為腰部俯仰角的曲線，左右肩關節連線中點和左右髖關節連線中點的連接線和豎直之間的夾角，這就是軀干夾角。比如人在彎腰時候，人體軀干和豎直方向夾角。圖3就是向前屈身俯仰角作為負值，實際的軀干傾角豎直在圖中對稱曲線中分布[4]。

圖3 腰部俯仰角的曲線

在人體運動的時候，我們對其進行描述時候主要包括人體軸面及軸向，通過解剖學的角度進行分析，基于標準姿態，一般都是進行3種互相垂直切軸及切面，詳見圖4。文中所研究的人體運動分析使用解剖學軸面，簡單來說就是額狀面能夠分離人體成為前部分和后部分，矢狀面能夠將人體分離成為左部分和右部分，水平面能夠將人體分離成為上部分和下部分[5]。

圖4 人體的軸面示意圖

要想收集人體運動數據并且對其進行相應的研究，就要全面掌握人體結構。那么本文就將人生理結構作為剛體，每段剛體直接使用關節相互連接，以此使人體能夠抽象成為連接型的系統。本文使用漢納范模型作為人體模型，在人體運動過程中，手和腳都是局部運動，但是本文所研究的是人體肢體整體運動，以此對手腳運動影響全部忽略，將人體運動模型簡化成為是一個環節，之后根據不同環節和本文所使用的動作捕獲系統傳感器之間的對應關系重新設置[6]，詳見圖 5。

圖5 簡化的漢納范人體模型

2 人體運動識別系統的設計

2.1 人體運動信息收集裝置的設計

2.1.1 信息收集裝置

人體運動信息收集裝置在無線局域網結構中是一種信息收集終端。在現代微機電系統技術越來越成熟的過程中，其體積越來越小，功耗越來越低，可靠性也在不斷的提高，這種傳感器也應運而生，此也成為了人體運動信息收集裝置。在實現便攜式人體運動信息收集裝置的過程中，首先要對運動數據類型進行確定，之后確定創安器類型[7]。

文中所研究的人體運動信息收集裝置主要包括三軸加速傳感器、數字陀螺儀、電池和SD卡。傳感器的主要目的就是實現加速度信息的測量，陀螺儀的主要目的就是實現角速度的測量，單片機屬于識別系統的核心，SD卡屬于系統存儲介質，電池能夠為系統提供能量[8]。圖6為人體運動信息收集裝置的結構。

圖6 人體運動信息收集裝置的結構

2.1.2 器件型號的選擇

在設計運動信息收集裝置的過程中，器件型號的選擇尤為重要，其能夠有效決定裝置電路的設計質量、功耗、體積、性能和成本，在選擇具體器件之后，就表示確定了系統結構和電路設計。

文中所使用的三軸加速度傳感器能夠有效檢測人體的運動加速度信息，MM4521屬于以微機電技術為基礎的低成本電容式加速度傳感器，并且內部還設置了信號調理，通過AD轉換之后能夠對不同方向中加速度進行計算，能夠在人體運動是被裝置中使用。并且其工作電流較低、工作電壓較低、體積較小、靈敏度較高，而且價格較為便宜[9]。圖7為加速度傳感器的測量方向。

圖7 加速度傳感器的測量方向

其中剪頭指的方向就是加速度方向，在傳感器從某方向中存在加速度的時候，傳感器就表示此方向輸出具有一定的變化，所以在確定傳感器和人體位置的時候，利用簡單換算就能夠得到人體在不同方向的加速度。

文中所研究裝置中的數字陀螺儀能夠實現角速度信號的測量，傳統三軸陀螺儀能夠測量多軸角速度數據，一般都使用兩個以上感知器件。為了能夠提高感知有效率，要在三軸陀螺儀中添加感知器件對正交軸角速度數據進行檢測，此種創新性的設計能夠對測量過程中不同軸的信號干擾進行消除，從而有效提高輸出數據可靠性就進度，并且擴大產品使用的范圍[10]。圖8為三軸陀螺儀的測量。

圖8 三軸陀螺儀的測量

三軸加速度傳感器輸出屬于模擬電壓信號，電壓信號要利用AD轉換成為數字信號實現處理。之后實現主要接口電路的設計，在進行接口電路設計的過程中要充分考慮噪聲影響，因為加速度傳感器在工作過程中會出現噪聲，為了能夠有效提高輸入電壓精準性，就要在傳感器輸出端添加RC濾波器[11]。圖9為主要接口電路的設計圖。

圖9 主要接口電路的設計圖

2.2 創建識別算法平臺

圖10 為人體運動姿態的識別軟件框架，根據其中的功能模塊實現識別算法平臺的創建。

2.3 信號的預處理

圖10 人體運動姿態的識別軟件框架

在實現信號預處理的過程中，可以使用陀螺儀信號實現，主要包括兩部分內容，首先去除常量漂移；其次，去除隨機噪聲。為了簡單方便，可以通過去均值的方法去除常量漂移，也就是在測量一段時間之后使用陀螺儀中的某個軸輸出并且求均值，此均值數值為此軸的常量漂移，從測量的角速度數據中將此值進行減去，就能夠去除常量漂移。為了便于實現信號預處理，可以使用四種小波基實現，以去燥效果決定實際使用過程中選擇的小波基函數[15]。表1為不同小波基函數去燥之后的信號方差。

表1 不同小波基函數去燥之后的信號方差

通過表1可以看出來，去燥方差是在去噪尺度提高不斷降低的，并且在分解尺度5的時候降低[16]。

3 實驗

文中所研究算法將Lib為基礎，其具有較多的功能，能夠實現分類問題的有效解決，使用一對一組合分類的方法創建多類分類器。圖11為人體識別系統識別模塊的界面。

圖11 人體識別系統識別模塊的界面

文中從創建的數據庫中提取二十個人的動作數據，以此實現預處理和提取特征，最后通過支持向量機進行識別，表2為動作相應的編號和識別率。

表2 動作相應的編號和識別率/%

通過表2可以看出來，支持向量機的識別效果良好，算法的設計較為合理，提取特征動作良好。

4 結束語

文中對人體運動和動作識別進行了全面的研究，并且創建了人體模型，提出滿足自身需求的分析方法，設計動作識別系統，之后通過實驗表示，其能夠實現支持向量機動作識別。