基于MEMS的人体行为特征反演系统设计

摘要：

人体运动过程较为复杂,传统人体运动姿态识别方法识别动作较为单一,且准确性较低.为了满足人体运动方式检测的需求,设计并实现了基于MEMS惯性传感器的人体行为特征反演系统,结合多传感器信息对人体运动姿态进行识别,提高识别的种类及准确率.系统平台采用核心处理器STM32搭配传感器模块MPU9250组成惯性测量单元,采集人体运动信号,并对采集到的信号进行预处理.研究不同运动模式下的姿态角信息及其变化规律,分析并提取其中最能够反映人体运动的特征参数,构建人体姿态特征库.使用基于K最近邻分类算法对样本数据进行训练,建立人体行为特征模型,实现了对不同人体运动姿态的准确识别,同时将姿态识别结果上传至云服务系统;并对人体运动数据进行长时期的跟踪分析,进而反演出用户24小时内的行为活动方式.大样本测试结果表明,该系统测量各姿态评估准确性高,重复性好.

关键词：微型电子惯性传感器、姿态解算、运动反演、K最近邻分类算法

所属期刊栏目：28

分类号：TP391.4(计算技术、计算机技术)

资助基金：中国科学院科技服务网络计划KFJ-SW-STS-161

在线出版日期：2018-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：13-16,21