專利名稱：一種基于加速度傳感器的步態(tài)身份識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于加速度傳感器的步態(tài)身份識別方法，尤其涉及一種以信號關(guān)
鍵點為步態(tài)加速度序列表征手段、以關(guān)鍵點分類與分類標簽統(tǒng)計為框架的基于加速度傳感器的步態(tài)身份識別方法。
背景技術(shù)：
隨著智能環(huán)境與小型設(shè)備的發(fā)展，計算普適化成為了一個新興的概念。這一概念強調(diào)，計算要貫穿于日?；顒又?，各種個性化的服務也應當以非打擾的方式被提供。實現(xiàn)這一點的基礎(chǔ)之一就是對用戶身份的自動識別。如今，許多毫米級乃至微米級的小型化傳感設(shè)別被廣泛地應用于我們的日常生活之中。特別地，加速度傳感器已經(jīng)在諸如人體行為識別、手勢識別等領(lǐng)域得到了應用。 基于加速度傳感器的步態(tài)身份識別是一個近期才被提出的課題。與身份證件、便攜式RFID(無線射頻識別)以及諸如臉相、基于視覺的步態(tài)、指紋等其他生物特征相比，以加速度傳感器為基礎(chǔ)的步態(tài)特征具有對光照條件不敏感、對視角變化不敏感、對用戶無干擾等優(yōu)勢。它既不會丟失，也不會被盜。該課題的現(xiàn)有工作數(shù)量很少，大多依賴于平均行走周期之間的直接比較這種一般的信號處理手段，對步態(tài)加速度信號特征的利用不充分。

發(fā)明內(nèi)容
本發(fā)明提供一種以信號關(guān)鍵點為步態(tài)加速度序列表征手段、以關(guān)鍵點分類與分類
標簽統(tǒng)計為框架的基于加速度傳感器的步態(tài)身份識別方法。 —種基于加速度傳感器的步態(tài)身份識別方法，其步驟如下 (1)人體步態(tài)加速度序列的獲取 通過若干加速度傳感器獲取用戶在自然行走狀態(tài)下身體若干部位的加速度運動信息，每個加速度傳感器所獲取的相對于自身的加速度大小被記錄為一個單通道時序信號序列，所有加速度傳感器獲取的單通道時序信號序列構(gòu)成了步態(tài)加速度序列；
本步驟中加速度傳感器被穿戴在人體若干運動顯著的固定部位，均勻同步地獲取用戶在自然行走狀態(tài)下身體相應部位的加速度運動信息，每個加速度傳感器所獲取的相對于自身的加速度大小被記錄為一個單通道時序信號序列，各個加速度傳感器獲取的信號序列一起構(gòu)成一個同步多通道(在僅加速度傳感器數(shù)量為1時，則為單通道)的步態(tài)加速度序列； 步驟(1)中所采用的加速度傳感器可以有任意數(shù)目的傳感方向。對于一個具有t個傳感方向的加速度傳感器，其獲取到的加速度具有向量形式^ = (^...，^)，加速度大小為
該向量的二階范數(shù)|同|2。 步態(tài)加速度序列具有形式玄(/) = (:^(/)，:11:2(0,..":^ W)， (1)
4
其中，t G [l，T]是離散時間刻度，T是i持續(xù)的時域長度；Xi是X的第i個通道，即 第i個加速度傳感器獲得的加速度大小的時序信號序列；c是S的通道數(shù)目，即加速度傳感 器的數(shù)目。
(2)行走周期的分割與長度歸一化 將步態(tài)加速度序列中的行走周期分割出來，把每一個檢測到的行走周期內(nèi)的信號 歸一化到相同的時序長度，得到歸一化后的步態(tài)加速度序列。 步驟(2)中的行走周期分割采用如下所述的方法對于待分割行走周期的步態(tài)加 速度序列i，選擇它的一個通道x，并尋找x在每個行走周期中的固有顯著谷點(對于由配置 在手腕、上臂、腰部、大腿、踝部等處的加速度傳感器所采集到的加速度大小信號都具有行 走周期內(nèi)的顯著谷點)。以t1512，. . . ， tm表示數(shù)量為m的上述顯著谷點的位置，貝Ui中檢測 到m-l個行走周期，分別為[ti+l，ti+1]， i = 1，2， ... ，m-l。 對于上述步態(tài)加速度序列i，各個檢測到的行走周期中的信號被通過線性插值的 方法歸一化到相同的時序長度L，使得ti+1-ti = L， i = 1，2， . . . ， m。
(3)步態(tài)加速度信號序列中關(guān)鍵點的提取與描述 為歸一化后的步態(tài)加速度序列中的各個通道構(gòu)造高斯差分尺度空間，將該空間中 的局部極值點作為信號關(guān)鍵點提取出來，計算其在行走周期中的相對位置，并構(gòu)造關(guān)鍵點 的描述符； 步驟(3)中的高斯差分尺度空間由下述方法生成
& (t) = x (t) * (g (t， a i+1 o 。) -g (t， a 1 o 。) ) ， (2) 其中，x是一個步態(tài)加速度序列通道，g(t， o )是標準差為o的高斯濾波函數(shù)，o 。 是基礎(chǔ)尺度常數(shù)，a是等比系數(shù)，i為整數(shù)；x的高斯差分尺度空間為D(t， i) =di(t)， & 被稱為D的第i個尺度。由于高斯函數(shù)g(t， o )滿足如下微分方程" 丄2 " ~, ,、 ， (3) 從而，得到 d(t， o) = (g(t， a o)-g(t， o))*x(t) (4)
" (a-1) o 2 Atg(t， o )*x(t)， 其中，Atg(t，。)是高斯-拉普拉斯函數(shù)。這說明，D的各個尺度可以被近似地表 示為具有相同標準差、以02歸一化的高斯-拉普拉斯濾波形式。由于具有不同標準差的 高斯_拉普拉斯濾波函數(shù)之間是可比的，所以D的相鄰尺度之間也近似具有可比性。從而， 在D上尋找極值點是可行的。如果D(s， j)同時大于(或小于)它的八個鄰近點(D(s+ei， j+e2)，ei，e2 G {-1，0，1}且一+e樣0)，貝U (s， j)是D的局部極值點，即s是x上的一個關(guān) 鍵點。x上所有關(guān)鍵點的集合被表示為S(x)。由于無限高斯差分尺度空間在計算上是不可 行的，所以關(guān)鍵點只在有限個尺度上被選取。 若關(guān)鍵點s處于行走周期[ta， tb]中，那么它在行走周期中的相對位置為 rloc(s) = s_ta， (5) 即S相對于其所在行走周期起始點的時域位置。 關(guān)鍵點描述符為其所在步態(tài)加速度序列通道上的時域位置臨近的信號值，其解析 表達式為
5
(s) = (x(s-h) ， ， x(s) ， ， (s+h)) ， (6) 其中，s是一個關(guān)鍵點，x是s所在的通道，x(t)是x在點t處的信號值，h是描述
符的半邊大小。
(4)關(guān)鍵點分類 對樣本集中的所有步態(tài)加速度序列與待識別步態(tài)加速度序列實施步驟(2)與步 驟(3)兩步的計算，再以樣本集中的步態(tài)加速度序列的關(guān)鍵點為訓練集，利用最鄰近分類 器將待識別步態(tài)加速度序列的所有關(guān)鍵點分類，并分別賦予分類標簽； 步驟(4)中待識別步態(tài)加速度序列為5 ;所述樣本集是指通過步驟(1)的操作采
集大量用戶的步態(tài)加速度序列而形成的數(shù)據(jù)庫，表示為6 = {(^,，其中^是樣本步態(tài)
加速度序列，li是它的身份標簽，n是樣本步態(tài)加速度序列的個數(shù)。同時，S的第j個通道 被表示為aj，S,的第j個通道被表示為bi,j。對于一個關(guān)鍵點s G S(aj)，最鄰近分類器以
^"-LJ二S(6',y)為訓練集，其中每一個來自bi,j的關(guān)鍵點都具有分類標簽li。 該最近鄰分類器采用的關(guān)鍵點距離度量定義如下
dist(s s ) = {|0(&) —0(A)|，如果lrloc(A)-rloc(s2)|<5 (" 其中，Sl， s2是兩個關(guān)鍵點， ( )與rloc( )分別是步驟(3)中定義的關(guān)鍵點 描述符與關(guān)鍵點在步伐周期中的相對位置，S是限制步伐周期中的相對距離的閾值。時域 限制S使得只有在行走周期中相對位置接近待分類點s的關(guān)鍵點在分類過程中發(fā)揮作用。 做出這種限制的依據(jù)是，相似的關(guān)鍵點通常出現(xiàn)在行走周期中相對位置接近的區(qū)域。這樣 既可以抑制噪聲，又可以減少計算量。如果在有限距離內(nèi)s沒有近鄰點，那么s就被忽略。
(5)身份識別 統(tǒng)計待識別步態(tài)加速度序列的所有關(guān)鍵點的分類標簽，并賦予待識別步態(tài)加速度 序列與出現(xiàn)次數(shù)最多的分類標簽一致的身份。 步驟(5)中對待識別步態(tài)加速度序列5所有關(guān)鍵點的分類標簽進行統(tǒng)計，將得
到統(tǒng)計直方圖(Vl， V2，...，、)，其中Vi是li的出現(xiàn)次數(shù)。3具有身份li的概率被定義為
v,/2];".。從而a的身份就被預測為1k，其中t-^，^，力。 本發(fā)明方法可以有效地利用人體步態(tài)加速度信號中的關(guān)鍵信息，對穿戴加速度計 的行走者身份進行識別。


圖1是本發(fā)明方法中用戶身體上五個Wii Remotes的攜帶位置示意圖。
圖2是本發(fā)明的Wii Remote的攜帶朝向與加速度傳感器坐標系示意圖。
圖3是本發(fā)明方法中的步伐周期中固有關(guān)鍵點的搜索過程示意圖。
圖4是本發(fā)明方法中的關(guān)鍵點提取過程示意圖。 圖5是本發(fā)明的步態(tài)身份識別方法與相關(guān)度法、曼哈頓距離法、動態(tài)時間變形法 的積累匹配度比較圖。
具體實施例方式(l)利用Nintend(^Wii Remote獲取人體步態(tài)加速度序列 Nintendo Wi i Remote中配有Analog Devices ADXL330輕質(zhì)三軸加速度傳感 器。如圖l所示，我們將五個Wii Remotes分別配置在用戶的右腕、左上臂、腰部右側(cè)、左大 腿和右踝處，作為可穿戴加速度傳感器；如圖2所示，所有的Wii Remotes都按照頂端朝向 人體上方，正面緊貼人體的朝向被固定在用戶的身上。這五個攜帶部位既可以被全部使用， 也可以被部分地選?。挥捎谌梭w行走具有對稱性，所以攜帶部位也可以被左右互換。用戶不 同身體部位的步態(tài)加速度被同步地以100Hz的頻率均勻采集，并通過藍牙實時傳輸至計算 機。 由Wii Remote獲取的相對于自身的加速度具有3維向量的形式安=(^，^，^),
其中x，y，z三個坐標軸的朝向如圖2所示。不同時刻的加速度大小||2||2 (g卩i的二階范數(shù))
被記錄為時序信號序列。假設(shè)五個攜帶位置中的c( = 1，2，3，4，5)個被使用，我們會得到 c個加速度大小的時序信號序列。將這些序列合并在一起就可以得到具有如下形式的步態(tài) 加速度序列 i(0 = (A(0，A(,)"."A(0)， (1) 其中，t G [l，T]是離散時間刻度，T是5持續(xù)的時域長度；Xi是5的第i個通道，即 第i個加速度傳感器獲得的加速度大小的時序信號序列。
(2)行走周期的分割與長度歸一化 對于一個步態(tài)加速度序列i，選擇它的一個通道x，并尋找x在每個行走周期中的 固有顯著谷點。以踝部通道為例，我們先確定一個閾值，利用該閾值將x中的信號從縱向分 割開來，再在處于閾值下方的各個存在連續(xù)信號的小區(qū)間中尋找最小值，進而確定出踝部 通道中各行走周期的固有顯著谷點。具體地，上述閾值由x的最小值與平均值共同確定為"=義.島卡,(0+(1 _外r^咒x (,) ， (2) 其中，T是5持續(xù)的時域長度；A G
是自適應比例常數(shù)，其值取0.45較為合 適。如圖3所示，以閾值13對x中的信號從縱向分割，在閾值下方會出現(xiàn)存在信號的連續(xù) 的時域區(qū)間。去除其中可能是噪音的過小的區(qū)間(比如，長度小于3個采樣點的區(qū)間)后， 假設(shè)共剩下了 m個區(qū)間為Ul， u2， . . . ， um。確定這些區(qū)間中信號的最小值々=i^ix")， / = l,2，...,m. (3) tpty... ，tm就是搜索到的m個顯著谷點。從而i中檢測到m-l個行走周期，分別 為[ti+l， ti+1]， i = 1，2，... ，m-l。 對于上述步態(tài)加速度序列i，各個檢測到的行走周期中的信號被通過線性插值的 方法歸一化到相同的時序長度L，使得ti+1-ti = L， i = 1，2， . . . ， m。我們將L取為100。
(3)步態(tài)加速度信號序列中關(guān)鍵點的提取與描述
A)關(guān)鍵點的提取 我們在步態(tài)加速度序列的各個通道上提取關(guān)鍵點。假設(shè)x是一個步態(tài)加速度序列
7通道，g(t， o)是標準差為o的高斯濾波函數(shù)，則x的o
y(t， o ) = x(t)*g(t， o ). (4)
選取一系列成等比關(guān)系的尺度{^0。}，其中i ( 等比系數(shù)，我們得到一系列相應的高斯濾波序列
尺度高斯濾波序列為
□ ， 0。是基礎(chǔ)尺度常數(shù)，a是



逸
x(t)*g(t， a10). (5)
鄰尺度的高斯濾波序列相減，相應地得到一系列高斯差分濾波序列
di(t) = yi+1a)-yia)
=X(t)*(g(t， ai+10o)-g(t， "。))， (6)
將上式定義的高斯差分濾波序列組織起來，可以得到一個x的高斯差分尺度空間 為D(t，i) 二di(t)，其中di被稱為D的第i個尺度。x上一點s是關(guān)鍵點的充分必要條件 是，存在整數(shù)j使得(s， j)是D的局部極值點，即D(s， j)同時大于(或小于)它的八個 鄰近點(D(s+ei， j+e2) ， ei， e2 G {-1，0， 1}且一 +e22 *0 ) 。 x上所有關(guān)鍵點的集合被表示為 S(x)。由于無限高斯差分尺度空間在計算上是不可行的，所以關(guān)鍵點只在有限個尺度上被 選取。我們在o。= 1， a 二2的參數(shù)條件下，選取第dp d2， d3三個尺度構(gòu)建D，從而極值 點的尋找只需在第二個尺度完成。圖4例證了這樣的關(guān)鍵點選取過程。
B)關(guān)鍵點的描述 我們定義關(guān)鍵點的兩個重要屬性關(guān)鍵點在行走周期中的相對位置與關(guān)鍵點的描 述符。 關(guān)鍵點在行走周期中的相對位置是其相對于其所在行走周期起始點的時域位置。 對于一個處于行走周期[ta， tb]中的關(guān)鍵點s，它在行走周期中的相對位置可以表示為
rloc(s) = s_ta. (7) 關(guān)鍵點的描述符為其所在步態(tài)加速度序列通道上的時域位置臨近的信號值。對于
一個處于步態(tài)加速度通道x上的關(guān)鍵點s，其描述符的解析表達式為 (s) = (x (s-h)， ， (s)， ， (s+h))， (8) 其中，x(t)是x在點t處的信號值；h是描述符的半邊長度(描述符的長度為
2h+l)，我們將其取為10。
(4)關(guān)鍵點分類 給定樣本集6 = {(^,/,)}二 ，其中&是樣本步態(tài)加速度序列，li是它的身份標簽，n
是樣本步態(tài)加速度序列的個數(shù)，我們用bi,j表示6,.的第j個通道；同時，假設(shè)5是一個待識別 步態(tài)加速度序列，aj是3的第j個通道。對于一個關(guān)鍵點s G S(aj)，我們使用一個最鄰近分
類器來預測其分類標簽。該分類器以丁 = 1^=13(6^)為訓練集，其中每一個來自bi,j的關(guān)鍵 點都具有分類標簽li。 該最近鄰分類器采用如下關(guān)鍵點距離度量
0(a)-0(a)1,如果卜loc")-rlocCs2)1〈5
L+oo, 其他
其中，Sl， s2是兩個關(guān)鍵點； ( )是由公式(8)定義的關(guān)鍵點描述符；rloc( )
是由公式(8)定義的關(guān)鍵點在步伐周期中的相對位置；S是限制步伐周期中的相對距離的 <formula>formula see original document page 8</formula>dist (a , ^ )='
(9閾值，被設(shè)置為15。時域限制S使得只有在行走周期中相對位置接近待分類點s的關(guān)鍵 點在分類過程中發(fā)揮作用。在計算過程中可以直接將與s距離為無窮大的點從訓練集中剔 除。如果在有限距離內(nèi)s沒有近鄰點，那么s就被忽略。
(5)身份識別 對待識別步態(tài)加速度序列S中所有關(guān)鍵點進行分類之后，我們得到分類結(jié)果集
e= G，/):ss^)S(^),/是s的分類標簽h (10)
. 乂=1 J 統(tǒng)計？e中的分類結(jié)果，得到統(tǒng)計直方圖(Vl， v2， . . . ， vn)，其中
v,. = e冗/ = /,}| 。g具有身份li的概率為v,./2:vy ,從而我們將5的身份預測為概率 最大的lk，其中A-虹^m狀"。
k 產(chǎn)l，2,…，w (6)實驗結(jié)果 我們在一個包含30個實驗參與者步態(tài)加速度序列的數(shù)據(jù)集上評估了方法的性 能。這一數(shù)據(jù)集分為兩個子集，每個子集都包含每個實驗參與者的6個步態(tài)加速度序列，這 兩個子集則是于不同時間采集獲得的。這樣整個數(shù)據(jù)集共包含320(6X2X30)個步態(tài)加速 度序列。我們以數(shù)據(jù)集的一個子集作為訓練集，以另外一個子集為測試集，即雙折測試。表 l列出了在Wii Remotes被攜帶在不同位置時的識別率。在手腕、上臂、腰部、大腿、腳踝等 5個位置聯(lián)合使用時，本發(fā)明所公開的方法可以達到96. 7%的高識別率。
表1步態(tài)加速度序列不同通道的身份識別效果
通道識別率
手腕66.8%
上臂74.5%
腰部70.1%
大腿67.5%
腳踝72.9%
全部5個通道96.7% 在圖5中，我們比較了本發(fā)明的步態(tài)身份識別方法與現(xiàn)有的相關(guān)度法、曼哈頓距 離法、動態(tài)時間變形法的積累匹配度?，F(xiàn)有方法都單一使用腰部作為加速度傳感器的穿戴 位置。本發(fā)明所公開的方法在同等情況下得到了更好的實驗結(jié)果。在將加速度傳感器配置 于下身(腰部、大腿、腳踝)和配置于全部五個備選位置的情況下，本發(fā)明所公開的方法都 表現(xiàn)了更優(yōu)越的識別性能。
9
權(quán)利要求
一種基于加速度傳感器的步態(tài)身份識別方法，步驟如下(1)人體步態(tài)加速度序列的獲??；通過若干加速度傳感器獲取用戶在自然行走狀態(tài)下身體若干部位的加速度運動信息，每個加速度傳感器所獲取的相對于自身的加速度大小被記錄為一個單通道時序信號序列，所有加速度傳感器獲取的單通道時序信號序列構(gòu)成了步態(tài)加速度序列；(2)行走周期的分割與長度歸一化；將步驟(1)中獲得的步態(tài)加速度序列中的行走周期分割出來，把每一個檢測到的行走周期內(nèi)的信號歸一化到相同的時序長度，得到歸一化后的步態(tài)加速度序列；(3)步態(tài)加速度信號序列中關(guān)鍵點的提取與描述；為歸一化后的步態(tài)加速度序列中的各個通道構(gòu)造高斯差分尺度空間，將該空間中的局部極值點作為信號關(guān)鍵點提取出來，計算其在行走周期中的相對位置，并構(gòu)造關(guān)鍵點的描述符；(4)關(guān)鍵點分類；對樣本集中的所有步態(tài)加速度序列與待識別步態(tài)加速度序列實施步驟(2)與步驟(3)兩步的計算，再以樣本集中的步態(tài)加速度序列的關(guān)鍵點為訓練集，利用最鄰近分類器將待識別步態(tài)加速度序列的所有關(guān)鍵點分類，并分別賦予分類標簽；(5)身份識別；統(tǒng)計待識別步態(tài)加速度序列的所有關(guān)鍵點的分類標簽，并賦予待識別步態(tài)加速度序列與出現(xiàn)次數(shù)最多的分類標簽一致的身份。
2. 根據(jù)權(quán)利要求l所述的基于加速度傳感器的步態(tài)身份識別方法，其特征是步驟(1)中所采用的加速度傳感器可以有任意數(shù)目的傳感方向，加速度的大小為加速度的二階范數(shù)取值。
3. 根據(jù)權(quán)利要求l所述的基于加速度傳感器的步態(tài)身份識別方法，其特征是步驟(2)中的行走周期分割方法是，檢測每個行走周期中步態(tài)加速度信號具有的固有顯著谷點，并將其為行走周期的分割點。
4. 根據(jù)權(quán)利要求l所述的基于加速度傳感器的步態(tài)身份識別方法，其特征是步驟(2)中的行走周期歸一化采用線性插值的方法。
5. 根據(jù)權(quán)利要求l所述的基于加速度傳感器的步態(tài)身份識別方法，其特征是步驟(3)中的高斯差分尺度空間由下述方法生成<formula>formula see original document page 2</formula>(1)其中，x是一個步態(tài)加速度序列通道，g(t， o)是標準差為o的高斯濾波函數(shù)，0。是基礎(chǔ)尺度常數(shù)，a是等比系數(shù)，i為取值整數(shù)的索引號；x的高斯差分尺度空間為D(t，i)=A (t)。
6. 根據(jù)權(quán)利要求l所述的基于加速度傳感器的步態(tài)身份識別方法，其特征是步驟(3)中關(guān)鍵點在行走周期中的相對位置，指其相對于其所在行走周期起始點的時域位置。
7. 根據(jù)權(quán)利要求l所述的基于加速度傳感器的步態(tài)身份識別方法，其特征是步驟(3)中關(guān)鍵點描述符具有向量形式；該向量由關(guān)鍵點所在步態(tài)加速度序列通道上的時域位置臨近的信號值組成，其解析表達式為<formula>formula see original document page 2</formula> (2)其中，s是一個關(guān)鍵點，x是s所在的通道，x(t)是X在點t處的信號值，h是描述符的半邊大小。
8. 根據(jù)權(quán)利要求l所述的基于加速度傳感器的步態(tài)身份識別方法，其特征是步驟(4)中的最鄰近分類器在對處于待識別步態(tài)加速度序列第i個通道上的關(guān)鍵點s分類時，以樣本集中所有步態(tài)加速度序列的第i個通道上的全部關(guān)鍵點為訓練集。
9. 根據(jù)權(quán)利要求l所述的基于加速度傳感器的步態(tài)身份識別方法，其特征是步驟(4)中的最近鄰分類器采用的關(guān)鍵點距離度量定義如下<formula>formula see original document page 3</formula>其中，Sl， 82是兩個關(guān)鍵點， ( )與rloc(O分別是步驟(3)中定義的關(guān)鍵點描述符與關(guān)鍵點在步伐周期中的相對位置，S是限制步伐周期中的相對距離的閾值。
全文摘要
本發(fā)明公開了一種基于加速度傳感器的步態(tài)身份識別方法，步驟如下(1)人體步態(tài)加速度序列的獲??；(2)行走周期的分割與長度歸一化；(3)步態(tài)加速度信號序列中關(guān)鍵點的提取與描述；(4)關(guān)鍵點分類；(5)身份識別。本發(fā)明方法可以有效地利用人體步態(tài)加速度信號中的關(guān)鍵信息，對穿戴加速度計的行走者身份進行識別。
文檔編號A61B5/11GK101695445SQ20091015324
公開日2010年4月21日 申請日期2009年10月29日 優(yōu)先權(quán)日2009年10月29日
發(fā)明者吳朝暉, 張宇霆, 潘綱 申請人:浙江大學;