傳感器信息轉換方法在智能感知中的應用研究

衡霞，李宏斌

（1.西安郵電大學計算機學院，西安710121；2.西安郵電大學陜西省網絡數據分析與智能處理重點實驗室，西安710121；3.陜西中醫(yī)藥大學基礎醫(yī)學院，咸陽712046）

0 引言

隨著傳感器在物聯(lián)網中的廣泛應用，未來的傳感技術和產品的發(fā)展將朝著具有感、知、聯(lián)一體化功能的智能感知系統(tǒng)方向發(fā)展[1]。智能手機正迅速成為人們日常生活中核心的計算和通信設備，并內置了越來越多功能強大的傳感器，如麥克風、攝像頭、光線感應傳感器、壓力傳感器、溫度傳感器、磁力傳感器、加速度傳感器、陀螺儀傳感器和近場通信傳感器等，這些附帶在移動終端上的傳感器為普適學習提供了實現情境感知的基礎[2]。

基于智能手機的人體行為識別目前正面臨著許多挑戰(zhàn)。在進行行為識別的過程中，不可避免地將在手機上執(zhí)行復雜的分類算法，這對手機的硬件設備將是一大挑戰(zhàn)[3-4]；另外，由于手機用戶使用習慣的多樣化，如手機放置位置不同，是常握在手中，還是放在褲兜或手提包里，以及手機具體的方向不同，這些都將會直接影響到對用戶行為進行識別分析的結果。目前智能手機都有內置傳感器，用來測量運動、屏幕方向和各種環(huán)境條件。這些傳感器能夠提供高度精確的原始數據，非常適合用來監(jiān)測設備的三維移動或定位，或監(jiān)測設備周圍環(huán)境的變化。Android平臺支持三大類傳感器，其中動態(tài)傳感器可以測量三個軸向上的加速力和旋轉力，具體包含加速度計、重力傳感器、陀螺儀和旋轉矢量傳感器。在采集數據時都是依據手機坐標系，當手機放置的位置或者方向發(fā)生改變時，這些數據會隨之改變[5]。在同類研究中，大多數都是使用手機內置的加速度傳感器來檢測用戶的運動情況。文獻[6]提出一種去除重力矢量的垂直方向加速度分析方法；文獻[7]在此基礎上計算出水平方向加速度，當用戶把手機放在褲兜中行走時進行識別；文獻[8]采用濾波的方法把每個軸的加速度都去除重力矢量以提高識別正確率；文獻[9]提出一種將手機坐標系映射到參考坐標系的方法，但該方法只對16個特定的方向進行了討論；文獻[10]使用一組傾斜不變性運算對原始加速度進行補償修正。從上述研究中可見，傳感器放置的位置和方向對人體行為識別的正確率有很大影響。

因此為了提高行為識別正確率，減少手機方位對采集數據的影響，本文提出一種將原始加速度數據轉換到統(tǒng)一參考坐標系的方法。該參考坐標系完全獨立于手機坐標系，轉換后的加速度數據有了清晰的物理含義，能夠更準確地反映出人體在每個坐標軸方向的運動趨勢。

1 信息轉換方法

從手機傳感器上得到的數據都是相對于手機坐標的，在行走過程中手機在不斷晃動，它的坐標系也在不斷變換，不便于進行實際運算，因此需把測試數據轉換到一個相對穩(wěn)定的參考坐標系，從而消除手機姿態(tài)對采集數據的影響。

1.1 手機坐標系

手機坐標系的確定與手機屏幕相關。x軸為手機屏幕平面中向右指的方向，反之為-x；y軸為手機屏幕平面中向上指的方向，垂直于x軸；而z軸為垂直于手機屏幕平面正上方向外指的方向，如圖1所示。手機內置的加速度傳感器在每一個采樣點采集的數據，除了三軸加速度還有三個角度變化，分別為azimuth、pitch和roll。

Azimuth表示磁北極和手機坐標系y軸夾腳；Pitch表示x軸和水平面的夾角，當z軸向y軸轉動時，角度為正值；Azimuth和Pitch的取值范圍為[-180°，+180°]；Roll表示y軸和水平面的夾角，當x軸向z軸移動時，角度為正值，它的取值范圍為[-90°，+90°][5]。

圖1手機坐標系

1.2 參考坐標系

研究中涉及的參考坐標系是基于標準正交基，X軸方向正切手機當前所在位置的地面，直指東方；Y軸方向同樣正切于該地面指向磁北極；Z軸方向則垂直于地面指向天空[5]。如圖2所示。在參考坐標系中，X、Y軸數據記錄用戶在水平方向（前/后，左/右）的移動，Z軸數據則記錄用戶在垂直方向（上/下）的移動。

圖2參考坐標系

1.3 轉換原理

不同坐標系之間的變換，可以通過繞不同坐標軸的連續(xù)轉動并建立兩個坐標系統(tǒng)之間一一對應關系來實現。歐拉角是用來唯一地確定定點轉動剛體位置的三個一組的獨立角參量，能夠用來描述任意旋轉，它的基本思想是將角位移分解為繞三個互相垂直軸的三個旋轉組成的序列，對于任何參考系，一個剛體的取向都可以依照旋轉順序來進行轉換[11]。借鑒這種思想，并參考文獻[11]中剛體坐標系與參考坐標系之間互相轉換方法，可以計算出參考坐標系下的三軸加速度數據為：

其中R表示描述剛體取向的旋轉矩陣，即從手機坐標系到參考坐標系的映射方法，R由三個基本旋轉矩陣復合而成，變量a、p、r分別表示azimuth、pitch和

圖3（a-b）重點對比用戶在上樓、下樓兩種運動中，三軸加速度數據轉換前后的效果圖。在轉換后的參考坐標系中，X軸、Y軸加速度數據記錄用戶在水平方向的移動，Z軸加速度數據則記錄用戶在垂直方向的移動。針對上下樓兩種不同的運動方向，從圖中可以看到未轉換前上樓和下樓運動的Z軸加速度數據均在[0，5]區(qū)間內變化，無法明顯的區(qū)分兩種運動；而轉換后的Z軸加速度在不同的幅度區(qū)間內震蕩，上樓的z軸加速度數據介于[5，10]區(qū)間內變化，下樓的z軸加速度數據介于[-7，-2]區(qū)間內變化，轉換后的z軸加速度能更準確地反映出用戶在垂直方向的運動趨勢。

選取一個用戶，將他在靜止、走路、跑步、上下樓五種行為中采集的加速度數據進行匯總，每種行為的有效數據集為2.5秒。如圖所示，未轉換的Z軸加速度數據在五種行為中無明顯變化，但坐標轉換后Z軸加速度數據直接反映出用戶不同行為的特點和變化規(guī)律。相對走路時采集的數據，跑步時用戶在垂直方向的運動幅度更大，因此Z軸加速度數據震蕩幅度明顯增大；在上樓、下樓時，人體運動方向與參考坐標系Z軸一致或相反，在圖中可以清晰看到轉換后Z軸加速度數據取值范圍的變化。

圖3坐標轉換前后兩種行為的加速度數據對比

圖4坐標轉換前后五種行為的加速度數據對比

2 實驗結果和分析

實驗中我們選取了5位年齡段在22至30歲之間的實驗者，用智能手機在自然環(huán)境中采集數據。每組實驗者都將手機分別握在手中、放在褲兜或放在手提包里對五種不同的行為（靜止、走路、跑步、上樓、下樓）采集數據。對每一個行為的采集數據周期默認設置為5秒，用戶在采集數據剛一開始因放置手機等操作，前2秒采集的數據將舍棄不予考慮。因支持向量機在解決小樣本、非線性及高維模式識別中表現出許多特有的優(yōu)勢，選取支持向量機作為分類器[12-13]。研究中設計了兩組實驗來驗證該坐標轉換方法對不同個人、不同行為的識別正確率的影響。

在第一組實驗中用不同實驗者的數據對坐標轉換方法進行了驗證。首先匯總每位實驗者在三個不同位置對五種行為采集的數據，然后將這些數據按照歐拉矩陣映射到參考坐標系，對每位實驗者的數據集隨機選取70%作為訓練集，剩余30%作為測試集；用分類器訓練識別兩次來對比轉換前后的效果。表1羅列出每位實驗者的五種不同行為的識別正確率。

表1 坐標轉換前后不同實驗者的識別正確率

如表1的數據顯示，在對加速度數據進行坐標轉換后，每位實驗者總體的行為識別率都有所提高，五個實驗者平均的提高率為19.64%。

在第二組實驗中，為了驗證坐標轉換方法對不同行為的有效性，先將五位實驗者采集的所有數據匯總作為一個數據集，按照實驗一中同樣比例分配訓練集和測試集；再分類訓練識別兩次來對比轉換前后的識別效果，如表2所示。

表2 坐標轉換前后不同行為的識別正確率

考慮到不同實驗者之間個體行為存在差異，該實驗總體的行為識別正確率相對第一組實驗略有下降。但轉換后的Z軸加速度數據有了更清晰的物理含義，能夠直接反映出實驗者在垂直方向的運動趨勢，因此對于走路、上樓、下樓這三種近似行為的識別正確率有了明顯提高，如圖5所示，平均對五種行為的識別效率提高了17.09%。

圖5

3 結語

本文主要針對手機內置傳感器采集信息的設備方向獨立性進行研究，提出一種將手機內置傳感器采集的加速度數據從手機坐標系轉換到統(tǒng)一參考坐標系的方法。并結合人體基本行為數據集的識別過程，對比傳感器數據轉換前后對不同用戶、不同行為的識別正確率的影響，兩組實驗均驗證了該方法的有效性。