一种走姿判断方法及系统与流程

本发明涉及通信技术领域，更具体地，涉及一种走姿判断方法及系统。

背景技术：

随着科学技术的发展，生活中衣食住行的便捷性已经得到了非常大的提升；以交通为例，现在人们出行，尤其是去相对陌生的环境时，无论是驾车或是步行，均会使用导航来确认行走路线。随着步行导航定位的算法越来越细致，通过定位而生产的路径规划功能已经成为了导航的必需功能；而在实际应用中，因行人在行走过程中走姿的多变性，使得仅根据其定位或历史行走路径进行的路径预测不够准确，在未结合行人实际走姿的情况下，无法获得准确的路径预测。

技术实现要素：

为了解决背景技术存在的在未结合行人实际走姿的情况下，无法获得准确的路径预测的问题，本发明提供了一种走姿判断方法及系统，所述方法及系统通过对实时获得的线性加速度信号和角速度信号进行处理，并根据感知机神经网络进行走姿判断，获得准确的走姿判断结果，以助于行人路径导航中的应用，所述一种走姿判断方法包括：

实时获得线性加速度信号以及角速度信号；

对所述线性加速度信号进行检峰，获得跨步区间；

根据所述跨步区间以及对应的线性加速度信号和角速度信号，计算获得单步转动角以及单步航向角；

将所述单步转动角以及单步航向角输入至预先训练的感知机神经网络中，确认走姿判断结果。

进一步的，所述实时获得线性加速度信号以及角速度信号，包括：

将实时获得的线性加速度信号转换为北天东全局坐标系下的线性加速度信号，所述北天东全局坐标系下的线性加速度信号包括垂向加速度、x轴水平加速度以及y轴水平加速度；

将实时获得的角速度信号转换为北天东全局坐标系下的角速度信号，所述北天东全局坐标系下的角速度信号包括垂向角速度、x轴水平角速度以及y轴水平角速度。

进一步的，所述对所述线性加速度信号进行检峰，包括：

以时间顺序比较垂向加速度的数值，在预设时间范围内取垂向加速度极大值为峰值；

顺序获得下一个峰值，相邻两个峰值间的时间间隔，即为一个跨步区间。

进一步的，所述计算获得单步转动角，包括：

在对应的跨步区间上对垂直角速度进行积分，获得初始的转动角；

对初始的转动角归一化至0到π的区间内，获得该跨步区间对应的单步转动角。

进一步的，所述计算获得单步航向角，包括：

在对应的跨步区间上分别对x轴水平加速度以及y轴水平加速度进行积分，获得x轴速度以及y轴速度；

计算y轴速度与x轴速度比值的反正切值，获得初始的航向角；

对初始的航向角归一化至0到π的区间内，获得该跨步区间对应的单步航向角。

进一步的，在计算获得单步转动角以及单步航向角后，所述方法还包括：

取该跨步区间的单步转动角与其前序的预设数量的跨步区间对应的单步转动角间的均值，作为平均单步转动角；

取该跨步区间的单步航向角与其前序的预设数量的跨步区间对应的单步航向角间的均值，作为平均单步航向角；

将所述平均单步转动角以及平均单步航向角输入至预先训练的感知机神经网络中，确认走姿判断结果。

进一步的，所述预先训练的感知机神经网络的训练方法包括：

获得多组训练参数，所述多组训练参数的每一组包括相互对应的单步转动角、单步航向角以及确定的走姿；

预设所述单步航向角以及单步转动角对应的权值；

根据所述预设权值将所述多组训练参数中的单步转动角和单步航向角输入至感知机神经网络中；

根据感知机神经网络输出的走姿结果与对应的预先确定的走姿进行比较，并根据比较结果调整权值；

当所述感知机神经网络输出多组中的每一组的走姿均与预先确定的走姿一致时，输出最终权值；

根据最终权值确定训练完成的感知机神经网络。

进一步的，将所述单步转动角以及单步航向角输入至预先训练的感知机神经网络中确认走姿判断结果，包括：

通过预先训练的第一感知机神经网络判断所述走姿为正走或非正走；

若判断所述走姿为非正走，通过预先训练的第二感知机神经网络判断所述走姿为侧走或倒走。

所述一种走姿判断系统包括：

数据采集单元，所述数据采集单元用于实时采集线性加速度信号以及角速度信号；

数据处理单元，所述数据处理单元用于对所述数据采集单元采集的线性加速度信号进行检峰，获得跨步区间；

参数计算单元，所述参数计算单元用于根据所述跨步区间以及对应的线性加速度信号和角速度信号，计算获得单步转动角以及单步航向角；

走姿判断单元，所述走姿判断单元用于将所述单步转动角以及单步航向角输入至预先训练的感知机神经网络中，确认走姿判断结果。

进一步的，所述数据采集单元用于将实时获得的线性加速度信号转换为北天东全局坐标系下的线性加速度信号，所述北天东全局坐标系下的线性加速度信号包括垂向加速度、x轴水平加速度以及y轴水平加速度；

将实时获得的角速度信号转换为北天东全局坐标系下的角速度信号，所述北天东全局坐标系下的角速度信号包括垂向角速度、x轴水平角速度以及y轴水平角速度。

进一步的，所述数据处理单元用于以时间顺序比较垂向加速度的数值，在预设时间范围内取垂向加速度极大值为峰值；

所述数据处理单元用于顺序获得下一个峰值，计算相邻两个峰值间的时间间隔，获得一个跨步区间。

进一步的，所述参数计算单元用于在对应的跨步区间上对垂直角速度进行积分，获得初始的转动角；

所述参数计算单元用于对初始的转动角归一化至0到π的区间内，获得该跨步区间对应的单步转动角。

进一步的，所述参数计算单元用于在对应的跨步区间上分别对x轴水平加速度以及y轴水平加速度进行积分，获得x轴速度以及y轴速度；

所述参数计算单元用于计算y轴速度与x轴速度比值的反正切值，获得初始的航向角；

所述参数计算单元用于对初始的航向角归一化至0到π的区间内，获得该跨步区间对应的单步航向角。

进一步的，所述参数计算单元用于取该跨步区间的单步转动角与其前序的预设数量的跨步区间对应的单步转动角间的均值，作为平均单步转动角；

所述参数计算单元用于取该跨步区间的单步航向角与其前序的预设数量的跨步区间对应的单步航向角间的均值，作为平均单步航向角；

所述走姿判断单元用于将所述平均单步转动角以及平均单步航向角输入至预先训练的感知机神经网络中，确认走姿判断结果。

进一步的，所述系统还包括模型训练单元；

所述模型训练单元用于获得多组训练参数，并预设所述单步航向角以及单步转动角对应的权值；所述多组训练参数的每一组包括相互对应的单步转动角、单步航向角以及确定的走姿；

所述模型训练单元用于根据所述预设权值将所述多组训练参数中的单步转动角和单步航向角输入至感知机神经网络中；

所述模型训练单元用于根据感知机神经网络输出的走姿结果与对应的预先确定的走姿进行比较，并根据比较结果调整权值；

当所述感知机神经网络输出多组中的每一组的走姿均与预先确定的走姿一致时，输出最终权值；所述模型训练单元根据最终权值确定训练完成的感知机神经网络。

进一步的，所述走姿判断单元用于通过预先训练的第一感知机神经网络判断所述走姿为正走或非正走；

若判断所述走姿为非正走，则所述走姿判断单元通过预先训练的第二感知机神经网络判断所述走姿为侧走或倒走。

本发明的有益效果为：本发明的技术方案，给出了一种走姿判断方法及系统，所述方法及系统通过对实时获得的线性加速度信号和加速度进行的处理，确认每一步的跨步区间及每一个跨步区间内的单步航向角和单步转动角，通过将单步航向角、单步转动角输入至预先训练的感知机神经网络中以进行走姿的判断，可清楚准确的确认每一步对应的行人实际的走姿，通过对单步航向角及单步转动角的修正以及分层次的走姿判断，以获得更加准确的走姿判断结果，为行人导航和路径预测的应用提供了基础。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为本发明具体实施方式的一种走姿判断方法的流程图；

图2为本发明具体实施方式的一种走姿判断系统的结构图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

图1为本发明具体实施方式的一种走姿判断方法的流程图；如图1所示，所述方法包括：

步骤110，实时获得线性加速度信号以及角速度信号；

本实施例所述的方法，用于对行人的走姿进行判断，可通过手机、智能手表等随身携带的设备实现；通过设置在所述随身携带设备中的加速度计、陀螺仪等设备实现对行人运动的实时的线性加速度信号以及角速度信号的采集。

进一步的，为便于计算，将所述线性加速度信号以及角速度信号进行变换：

将实时获得的线性加速度信号转换为北天东全局坐标系下的线性加速度信号，所述北天东全局坐标系下的线性加速度信号包括垂向加速度、x轴水平加速度以及y轴水平加速度；

将实时获得的角速度信号转换为北天东全局坐标系下的角速度信号，所述北天东全局坐标系下的角速度信号包括垂向角速度、x轴水平角速度以及y轴水平角速度。

步骤120，对所述线性加速度信号进行检峰，获得跨步区间；

人在运动过程中其实时的线性加速度信号是规律波动的，通过检测线性加速度的峰值，可判断行人的跨步，本实施例中所使用的检峰，是检测垂向线性加速度的数值，来确认行人的每一个跨步区间；具体的：

以时间顺序比较垂向加速度的数值，在预设时间范围内取垂向加速度极大值为峰值；顺序获得下一个峰值，相邻两个峰值间的时间间隔，即为一个跨步区间。

步骤130，根据所述跨步区间以及对应的线性加速度信号和角速度信号，计算获得单步转动角以及单步航向角；

所述单步转动角可以反映身体的晃动方向，所述单步航向角可以反映实际的运动方向，例如在发生侧走时，其运动方向是与身体平行的方向；当发生倒走时，其身体的晃动是与身体垂直的方向。

计算所述单步转动角的方法为：在对应的跨步区间上对垂直角速度进行积分，获得初始的转动角；即：α＝∫ωz·dt；其中，ωz为垂直角速度；

对初始的转动角归一化至0到π的区间内，获得该跨步区间对应的单步转动角。

计算所述单步航向角的方法为：在对应的跨步区间上分别对x轴水平加速度以及y轴水平加速度进行积分，获得x轴速度以及y轴速度；即：vx＝∫ax·dt；vy＝∫ay·dt；其中ax为x轴水平加速度，ay为y轴水平加速度。

计算y轴速度与x轴速度比值的反正切值，获得初始的航向角；即：

对初始的航向角归一化至0到π的区间内，获得该跨步区间对应的单步航向角。

进一步的，为了保证所述单步航向角和单步转动角可以准确的表征该步的走姿，通过对该步的前序几步的共同取值判断，可获得更为准确的结果。

取该跨步区间的单步转动角与其前序的预设数量的跨步区间对应的单步转动角间的均值，作为平均单步转动角；

取该跨步区间的单步航向角与其前序的预设数量的跨步区间对应的单步航向角间的均值，作为平均单步航向角；

使用平均单步转动角替代单步转动角、使用平均单步航向角替代单步航向角。

步骤140，将所述单步转动角以及单步航向角输入至预先训练的感知机神经网络中，确认走姿判断结果。

所述感知机神经网络具有单步转动角以及单步航向角两个输入，通过预先训练获得的对应的权值将所述两个输入输入至预设的激活函数中，进而输出走姿类型；本实施例所采用的激活函数为硬极限函数(hardlim，输入>＝0，输出＝1，其它为0)。

进一步的，所述预先训练的感知机神经网络的训练方法包括：

获得多组训练参数，所述多组训练参数的每一组包括相互对应的单步转动角、单步航向角以及确定的走姿；

本实施例中，先根据预设的走姿方式行走，并记录对应的单步转动角以及单步航向角，形成多组训练参数；

预设所述单步航向角以及单步转动角对应的权值；

本实施例中，使用感知机神经网络进行走姿判断，感知机是二分类的线性分类模型，输入预设的特征向量(即单步转动角及单步航向角)，输出为对应的类别(一般为1以及0，对应本实施例中正走或非正走，以及侧走或倒走)；

感知机对应的输入空间将输入的训练参数划分为两类的分离超平面，所述分离超平面，可通过对特征向量的权值设置表示，通过设置所述单步航向角以及单步转动角对应的权值，并根据训练结果调整权值，可最终获得所需的超平面，即训练完成的感知机神经网络；

本实施例中，初始预设的单步航向角以及单步转动角对应的权值可以为0.5和0.5。

根据所述预设权值将所述多组训练参数中的单步转动角和单步航向角输入至感知机神经网络中；

所述多组训练参数的每一组对应一组输入的特征向量，将所述特征向量输入至包含了预设权值的激活函数中；

根据感知机神经网络输出的走姿结果与对应的预先确定的走姿进行比较，并根据比较结果调整权值；调整权值后进行新一轮的计算；

以本实施例中训练判断侧走或倒走为例，或输入的特征向量对应的真是走姿为侧走，而实际输出的走姿为倒走，则说明所述倒走对应的权值需调小，对应的侧走需调大；通过输入多个特征向量，按照预设的调整规则，获得调整后的权值；用调整后的权值代替原有的权值设置在激活函数中，准备下一轮的计算。

当所述感知机神经网络输出多组中的每一组的走姿均与预先确定的走姿一致时，输出最终权值；

当所有输入的特征向量对应的走姿与实际输出的走姿均一致时，训练完成，包含当前权值的感知机神经网络即可用于判断对应走姿；

进一步的，可通过增加训练量进一步提高感知机神经网络的准确性。

根据最终权值确定训练完成的感知机神经网络。

进一步的，为了提高走姿判断的准确性，进行分层次的走姿判断；通过预先训练的第一感知机神经网络判断所述走姿为正走或非正走；

若判断所述走姿为非正走，通过预先训练的第二感知机神经网络判断所述走姿为侧走或倒走。

在预先的感知机神经网络判断中，通过标记走姿为正走和非正走的训练参数，进行第一感知机神经网络的训练；通过标记走姿的倒走和侧走的训练参数，进行第二感知机神经网络的训练。

所述方法通过对实时获得的线性加速度信号和加速度进行的处理，确认每一步的跨步区间及每一个跨步区间内的单步航向角和单步转动角，通过将单步航向角、单步转动角输入至预先训练的感知机神经网络中以进行走姿的判断，可清楚准确的确认每一步对应的行人实际的走姿，通过对单步航向角及单步转动角的修正以及分层次的走姿判断，以获得更加准确的走姿判断结果。

图2为本发明具体实施方式的一种走姿判断系统的结构图，如图2所示，所述系统包括：

数据采集单元，所述数据采集单元用于实时采集线性加速度信号以及角速度信号；

进一步的，所述数据采集单元用于将实时获得的线性加速度信号转换为北天东全局坐标系下的线性加速度信号，所述北天东全局坐标系下的线性加速度信号包括垂向加速度、x轴水平加速度以及y轴水平加速度；

将实时获得的角速度信号转换为北天东全局坐标系下的角速度信号，所述北天东全局坐标系下的角速度信号包括垂向角速度、x轴水平角速度以及y轴水平角速度。

数据处理单元，所述数据处理单元用于对所述数据采集单元采集的线性加速度信号进行检峰，获得跨步区间；

进一步的，所述数据处理单元用于以时间顺序比较垂向加速度的数值，在预设时间范围内取垂向加速度极大值为峰值；

所述数据处理单元用于顺序获得下一个峰值，计算相邻两个峰值间的时间间隔，获得一个跨步区间。

参数计算单元，所述参数计算单元用于根据所述跨步区间以及对应的线性加速度信号和角速度信号，计算获得单步转动角以及单步航向角；

进一步的，所述参数计算单元用于在对应的跨步区间上对垂直角速度进行积分，获得初始的转动角；

所述参数计算单元用于对初始的转动角归一化至0到π的区间内，获得该跨步区间对应的单步转动角。

进一步的，所述参数计算单元用于在对应的跨步区间上分别对x轴水平加速度以及y轴水平加速度进行积分，获得x轴速度以及y轴速度；

所述参数计算单元用于计算y轴速度与x轴速度比值的反正切值，获得初始的航向角；

所述参数计算单元用于对初始的航向角归一化至0到π的区间内，获得该跨步区间对应的单步航向角。

进一步的，所述参数计算单元用于取该跨步区间的单步转动角与其前序的预设数量的跨步区间对应的单步转动角间的均值，作为平均单步转动角；

所述参数计算单元用于取该跨步区间的单步航向角与其前序的预设数量的跨步区间对应的单步航向角间的均值，作为平均单步航向角；

所述走姿判断单元用于将所述平均单步转动角以及平均单步航向角输入至预先训练的感知机神经网络中，确认走姿判断结果。

走姿判断单元，所述走姿判断单元用于将所述单步转动角以及单步航向角输入至预先训练的感知机神经网络中，确认走姿判断结果。

进一步的，所述走姿判断单元用于通过预先训练的第一感知机神经网络判断所述走姿为正走或非正走；

若判断所述走姿为非正走，则所述走姿判断单元通过预先训练的第二感知机神经网络判断所述走姿为侧走或倒走。

进一步的，所述系统还包括模型训练单元；

所述模型训练单元用于获得多组训练参数，并预设所述单步航向角以及单步转动角对应的权值；所述多组训练参数的每一组包括相互对应的单步转动角、单步航向角以及确定的走姿；

所述模型训练单元用于根据所述预设权值将所述多组训练参数中的单步转动角和单步航向角输入至感知机神经网络中；

所述模型训练单元用于根据感知机神经网络输出的走姿结果与对应的预先确定的走姿进行比较，并根据比较结果调整权值；

当所述感知机神经网络输出多组中的每一组的走姿均与预先确定的走姿一致时，输出最终权值；所述模型训练单元根据最终权值确定训练完成的感知机神经网络。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。本说明书中涉及到的步骤编号仅用于区别各步骤，而并不用于限制各步骤之间的时间或逻辑的关系，除非文中有明确的限定，否则各个步骤之间的关系包括各种可能的情况。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。例如，在权利要求书中所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本公开的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序(例如，计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本公开进行说明而不是对本公开进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中，这些系统中的若干个可以是通过同一个硬件项来具体体现。

以上所述仅是本公开的具体实施方式，应当指出的是，对于本领域的普通技术人员来说，在不脱离本公开精神的前提下，可以作出若干改进、修改、和变形，这些改进、修改、和变形都应视为落在本申请的保护范围内。