測量卡路里消耗和監(jiān)測手部姿勢識別的智慧手套及估算的方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及健身動作智能監(jiān)測與改進裝置，其公開了一種卡路里消耗和手部姿勢識別的智慧手套，包括：處理器模塊、存儲模塊、通信模塊、感知模塊、預警提示模塊、顯示模塊、電源模塊、開關(guān)模塊和云服務器，所述存儲模塊、通信模塊、感知模塊、預警提示模塊、顯示模塊、電源模塊、開關(guān)模塊和云服務器分別與處理器模塊相連接。本發(fā)明的有益效果是：本發(fā)明在現(xiàn)有的傳感器技術(shù)的基礎(chǔ)上，進行卡路里的測量和手部姿勢識別的工作，采用高效的數(shù)據(jù)處理方法和算法模型，可廣泛地應用力量訓練中，為健身愛好者提供良好的參考，并能夠提供后期膳食搭配和營養(yǎng)均衡推薦。
【專利說明】
測量卡路里消耗和監(jiān)測手部姿勢識別的智慧手套及估算的方法和系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及健身動作的智能監(jiān)測與改進裝置，尤其涉及一種卡路里消耗和手部姿勢識別的方法及系統(tǒng)。
【背景技術(shù)】
[0002]如今，隨著健康生活的理念越來越深入人心，越來越多的健身愛好者希望能夠測量出參加力量訓練時候的卡路里的消耗及之后的飲食調(diào)節(jié)，然而，傳統(tǒng)的獲取運動過程中人體的能量消耗不僅程序繁瑣，且還需要額外的設(shè)備，因此我們急切需要找到一種能夠方便并有效的檢測力量訓練時的卡路里的消耗和動作識別的方法。
[0003]日常健身過程中，尤其是力量訓練時，人體將消耗大量的卡路里，為了有助于訓練后的營養(yǎng)補充和膳食搭配，又不要較準確地估算出人體在訓練過程中的卡路里消耗；同時，正確的姿勢是任何訓練項目的必要條件。這是因為正確的姿勢有助于減輕甚至消除任何潛在的訓練傷病，有助于訓練者的身體健康。
[0004]為了實現(xiàn)對健身時動作的準備檢測和卡路里的消耗，人們提出了利用跑步機，自行車，跑鞋來檢測卡路里的消耗的方法，然而采用這些方法搭建的檢測系統(tǒng)本身都存在著種種不足，這些系統(tǒng)都采取了特定運動的計算模塊來檢測卡路里的消耗，在利用這些特定的計算模塊進行卡路里的計算的時候，測量模塊并不是可移動的，不能夠真正地做到可穿戴，在目前的研究和工業(yè)生產(chǎn)中，并沒有一種設(shè)備能夠?qū)崿F(xiàn)上述的功能，后者現(xiàn)有的方法由于模塊的特殊性并不能夠廣泛地應用到這個場景。

【發(fā)明內(nèi)容】

[0005]為了解決現(xiàn)有技術(shù)的問題，本發(fā)明提供一種卡路里消耗和手部姿勢識別的系統(tǒng)，解決現(xiàn)有技術(shù)中獲取運動過程中人體的能量消耗程序繁瑣以及增加額外設(shè)備的問題。
[0006]本發(fā)明是通過以下技術(shù)方案實現(xiàn)的:一種測量卡路里消耗和監(jiān)測手部姿勢識別的智慧手套，包括:處理器模塊、存儲模塊、通信模塊、感知模塊、預警提示模塊、顯示模塊、電源模塊、開關(guān)模塊和云服務器，所述存儲模塊、通信模塊、感知模塊、預警提示模塊、顯示模塊、電源模塊、開關(guān)模塊和云服務器分別與處理器模塊相連接，其中，所述感知模塊包括壓力傳感器和IMU慣性單元，所述壓力傳感器和頂U慣性單元分別用于負責感應用戶健身過程中的手部受壓力量大小和IMU數(shù)據(jù)，進而針對用戶力量訓練收集源數(shù)據(jù)，并將所述源數(shù)據(jù)傳送給處理器模塊;所述處理器模塊負責對源始數(shù)據(jù)的預處理;所述存儲模塊負責存儲處理器預處理的結(jié)果以及從云服務器傳回的處理結(jié)果;所述通信模塊負責將源數(shù)據(jù)、預處理后的數(shù)據(jù)傳至云服務器，供云服務器作進一步的數(shù)據(jù)處理和分析，并負責將云服務器處理的結(jié)果傳回至智慧手套;所述預警提示模塊則負責健身異常情況時給用戶發(fā)出警示;所述顯示模塊負責將用戶健身過程中的動作類型、消耗卡路里和姿勢標準度的結(jié)果顯示出來。
[0007]本發(fā)明同時提供了一種估算卡路里消耗和監(jiān)測手部姿勢識別的方法，采用了所述的測量卡路里消耗和監(jiān)測手部姿勢識別的智慧手套，并包括以下步驟:步驟Si，利用薄膜壓力傳感器和MU慣性單元來采集力量訓練時的原始數(shù)據(jù);步驟S2，將原始數(shù)據(jù)傳輸?shù)教幚砥髂K進行處理；步驟S3，將接收到的壓力傳感器和IMU慣性單元數(shù)據(jù)進行ETL分析，所述ETL過程為通過ETL技術(shù)對步驟S2所得到的數(shù)據(jù)進行抽取、轉(zhuǎn)置、加載和交付的過程；以及，步驟S4，估算出消耗的卡路里，通過支持向量機建立分類模型，將超出力量訓練的源數(shù)據(jù)作為目標動作類，其他的作為非目標動作類;然后判斷是否超出力量訓練的閾值，若是則發(fā)出提醒信號，若否則將數(shù)據(jù)傳輸?shù)娇梢苿釉O(shè)備進行記錄，并推薦膳食食譜、營養(yǎng)搭配及訓練計劃。
[0008]作為本發(fā)明的進一步改進:在步驟SI中，用戶通過按鈕或開關(guān)將整個系統(tǒng)打開，智慧手套的感知模塊上設(shè)置有一個或兩個以上的壓力傳感器。
[0009 ]作為本發(fā)明的進一步改進:在步驟S2中包括以下步驟:
步驟S21，通過壓力傳感器和IMU慣性單元采集壓力數(shù)據(jù)和運動姿態(tài)數(shù)據(jù)，基于可穿戴計算技術(shù)，將獲得的加速度傳感器、磁傳感器和陀螺儀的數(shù)據(jù)進行滑動均值濾波，以消除背景噪聲，所述滑動均值濾波器的滑動窗口寬度根據(jù)用戶實際情況進行調(diào)整(如所述滑動均值濾波器的滑動窗口寬度為7);
步驟S22，對加速度傳感器和陀螺儀的讀數(shù)采用互補濾波器的方式實現(xiàn)手套姿態(tài)的準確估計，該互補濾波器用于結(jié)合加速度傳感器對于手套姿態(tài)角的估計值和陀螺儀對于手套姿態(tài)角的估計值；
步驟S23，采用互補濾波器的方式估計出手套在運動過程中的姿態(tài)角后，根據(jù)力學原理消除掉重力在智慧手套運動方向上的投射分量，提取出由于智慧手套自身運動所產(chǎn)生的加速度值，實現(xiàn)加速度校準；
步驟S24，獲取經(jīng)過校準后的加速度數(shù)據(jù)，采用一次積分的方式獲得智慧手套運動的速度值；
步驟S25，積分得到智慧手套運動的速度值之后，根據(jù)智慧手套起始于靜止狀態(tài)并終止于靜止狀態(tài)的運動特征，對智慧手套運動的速度進行校準；
步驟S26，對所得速度值進行一次積分，從而得到智慧手套運動的位移大小;步驟S27，結(jié)合上述結(jié)果，對健身動作的軌跡進行重構(gòu)，從而得到用戶健身過程中手部的運動軌跡。[00?0]作為本發(fā)明的進一步改進:所述步驟S4包括以下步驟:
步驟S41A，結(jié)合步驟S2所得到的位移值，結(jié)合薄膜壓力傳感器的讀數(shù)，經(jīng)過步驟S3的處理，計算出手套運動所做的功，按照建立的功與卡路里消耗的關(guān)系模型計算卡路里消耗；步驟S42B，記錄卡路里的消耗，并進行膳食搭配和營養(yǎng)均衡的提醒；
步驟S42A，基于統(tǒng)計學習理論預先建立高維特征模型，所述高維特征模型以設(shè)定空間內(nèi)由于各項姿態(tài)偏離動作導致的信息變化的異常模式作為訓練樣本；
步驟S41B，將異常模式映射至一類支持向量機的高維特征模型中，分離出目標動作類，并判斷出運動姿態(tài)是否發(fā)生偏離，若是則發(fā)出警示信號。
[0011]本發(fā)明再次提供了一種估算卡路里消耗和監(jiān)測手部姿勢識別的系統(tǒng)，采用了所述的估算卡路里消耗和監(jiān)測手部姿勢識別的方法，并包括以下模塊:
信號獲取與計算模塊，用于收集智慧手套運動狀態(tài)時的信號，并評估運動狀態(tài)信息加以初步計算； 異常檢測模塊，用于通過異常檢測算法識別信號是否變化的異常；
動作判斷模塊，用于將目標動作類和其他動作類進行區(qū)分的一類支持向量機，以超出力量訓練閾值所導致的異常模式作為目標動作類，并判斷智慧手套的運動姿勢是否發(fā)生姿勢偏離；
以及，警報模塊，用于當判斷發(fā)生姿態(tài)偏離時發(fā)出警示信號。
[0012]作為本發(fā)明的進一步改進:所述信號獲取與計算模塊包括以下單元:
感應采集單元，用于開啟整個系統(tǒng)并收集運動數(shù)據(jù)，收集的運動數(shù)據(jù)包括力量訓練方向上的力和三維坐標各個方向上的運動數(shù)據(jù)；
數(shù)據(jù)處理單元，用于對每一個方向上的力和運動信息求得平均值，將此平均值作為運動狀態(tài)信息；
平滑單元，針對數(shù)據(jù)處理單元所得到的數(shù)據(jù)進行ETL分析，并通過滑動平均方法對運動狀態(tài)信息進行平滑處理。
[0013]作為本發(fā)明的進一步改進:所述異常檢測模塊包括以下單元:
異常計算單元，用于對運動狀態(tài)信息的時間序列實施數(shù)據(jù)分割得到子序列，計算子序列的局部異常數(shù)據(jù)；
異常輸出單元，用于當所述的異常數(shù)據(jù)大于或等于預設(shè)閾值時，將子序列作為異常模式輸出。
[0014]作為本發(fā)明的進一步改進:所述動作判斷模塊包括以下單元:
建立模型單元，用于基于統(tǒng)計學習理論預設(shè)建立高維特征模型，所述高維特征模型以設(shè)定空間內(nèi)由于各項人體動作導致運動狀態(tài)信息變化的異常模式作為訓練樣本；
動作識別單元，用于將異常輸出單元所輸出的異常模式映射至一類支持向量機的高維特征模型中，分離出目標動作類。
[0015]作為本發(fā)明的進一步改進:還包括反饋模塊，用于反饋針對手部姿勢警報信號的響應信息，調(diào)整一類支持向量機的高維特征模型。
[0016]本發(fā)明的有益效果:在進行力量訓練過程中，被檢測動作的檢測準確率為84%_94%，誤報率低，以及卡路里的測量準確率高達90%，能夠?qū)崿F(xiàn)對手部姿勢偏離判斷后發(fā)出警報信號，并利用系統(tǒng)的自學習功能處理誤報情況，進一步降低誤報率;本發(fā)明在現(xiàn)有的傳感器技術(shù)的基礎(chǔ)上，進行卡路里的測量和手部姿勢識別的工作，采用高效的數(shù)據(jù)處理方法和算法模型，可廣泛地應用力量訓練中，為健身愛好者提供良好的參考，并能夠提供后期膳食搭配和營養(yǎng)均衡推薦。
【附圖說明】
[0017]圖1是本發(fā)明一種實施例的智慧手套的模塊示意圖；
圖2是本發(fā)明另一種實施例的工作原理圖；
圖3是本發(fā)明另一種實施例的工作流程示意圖；
圖4是本發(fā)明再一種實施例的功能模塊框圖。
【具體實施方式】
[0018]下面結(jié)合附圖和實施例對本發(fā)明作進一步的描述。
[0019]—種測量卡路里消耗和監(jiān)測手部姿勢識別的智慧手套，包括:處理器模塊、存儲模塊、通信模塊、感知模塊、預警提示模塊、顯示模塊、電源模塊、開關(guān)模塊和云服務器，所述存儲模塊、通信模塊、感知模塊、預警提示模塊、顯示模塊、電源模塊、開關(guān)模塊和云服務器分別與處理器模塊相連接，其中，所述感知模塊包括壓力傳感器和IMU慣性單元，所述壓力傳感器和IMU慣性單元分別用于負責感應用戶健身過程中的手部受壓力量大小和頂U數(shù)據(jù)，進而針對用戶力量訓練收集源數(shù)據(jù)，并將所述源數(shù)據(jù)傳送給處理器模塊;所述處理器模塊負責對源始數(shù)據(jù)的預處理;所述存儲模塊負責存儲處理器預處理的結(jié)果以及從云服務器傳回的處理結(jié)果;所述通信模塊負責將源數(shù)據(jù)、預處理后的數(shù)據(jù)傳至云服務器，供云服務器作進一步的數(shù)據(jù)處理和分析，并負責將云服務器處理的結(jié)果傳回至智慧手套;所述預警提示模塊則負責健身異常情況(如當用戶動作不標準、運動超量或者受力不當)時給用戶發(fā)出警示;所述顯示模塊負責將用戶健身過程中的動作類型、消耗卡路里和姿勢標準度的結(jié)果顯示出來。
[0020]本發(fā)明同時提供了一種估算卡路里消耗和監(jiān)測手部姿勢識別的方法，采用了所述的測量卡路里消耗和監(jiān)測手部姿勢識別的智慧手套，并包括以下步驟:步驟SI，利用壓力傳感器的薄膜壓力傳感器和IMU慣性單元來搜集力量訓練時的源數(shù)據(jù);步驟S2，將源數(shù)據(jù)傳輸?shù)教幚砥髂K進行處理；步驟S3，將接收到的壓力傳感器和MU慣性單元所獲取的數(shù)據(jù)進行ETL過程，進行ETL分析，所述ETL過程為通過ETL技術(shù)對步驟S2所得到的數(shù)據(jù)進行抽取、轉(zhuǎn)置、加載和交付的過程；以及，步驟S4，計算出消耗的卡路里，通過支持向量機建立分類模型，將超出力量訓練的源數(shù)據(jù)作為目標動作類，其他的作為非目標動作類;然后判斷是否超出力量訓練的閾值，若是則發(fā)出提醒信號，若否則將數(shù)據(jù)傳輸?shù)娇梢苿釉O(shè)備進行記錄，并推薦膳食食譜、營養(yǎng)搭配及訓練計劃。
[0021 ]在步驟SI中，用戶通過按鈕或開關(guān)將整個系統(tǒng)打開，智慧手套的感知模塊上設(shè)置有一個或兩個以上的壓力傳感器。
[0022]在步驟S2中包括以下步驟:
步驟S21，通過壓力傳感器和IMU慣性單元采集壓力數(shù)據(jù)和運動姿態(tài)數(shù)據(jù)，基于可穿戴計算技術(shù)，將獲得的加速度傳感器、磁傳感器和陀螺儀的數(shù)據(jù)進行滑動均值濾波，以消除背景噪聲，所述滑動均值濾波器的滑動窗口寬度為7;
步驟S22，對加速度傳感器和陀螺儀的讀數(shù)采用互補濾波器的方式實現(xiàn)手套姿態(tài)的準確估計，該互補濾波器用于結(jié)合加速度傳感器對于手套姿態(tài)角的估計值和陀螺儀對于手套姿態(tài)角的估計值；
步驟S23，采用互補濾波器的方式估計出手套在運動過程中的姿態(tài)角后，根據(jù)力學原理消除掉重力在智慧手套運動方向上的投射分量，提取出由于智慧手套自身運動所產(chǎn)生的加速度值，實現(xiàn)加速度校準；
步驟S24，獲取經(jīng)過校準后的加速度數(shù)據(jù)，采用一次積分的方式獲得智慧手套運動的速度值；
步驟S25，積分得到智慧手套運動的速度值之后，根據(jù)智慧手套起始于靜止狀態(tài)并終止于靜止狀態(tài)的運動特征，對智慧手套運動的速度進行校準；
步驟S26，對所得速度值進行一次積分，從而得到智慧手套運動的位移大小;步驟S27，結(jié)合上述結(jié)果，對健身動作的軌跡進行重構(gòu)，從而得到用戶健身過程中手部的運動軌跡。
[0023]所述步驟S4包括以下步驟:
步驟S41A，結(jié)合步驟S2所得到的位移值，結(jié)合薄膜壓力傳感器的讀數(shù)，經(jīng)過步驟S3的處理，計算出手套運動所做的功，按照建立的功與卡路里消耗的關(guān)系模型計算卡路里消耗；步驟S42B，記錄卡路里的消耗，并進行膳食搭配和營養(yǎng)均衡的提醒；
步驟S42A，基于統(tǒng)計學習理論預先建立高維特征模型，所述高維特征模型以設(shè)定空間內(nèi)由于各項姿態(tài)偏離動作導致的信息變化的異常模式作為訓練樣本；
步驟S41B，將異常模式映射至一類支持向量機的高維特征模型中，分離出目標動作類，并判斷出運動姿態(tài)是否發(fā)生偏離，若是則發(fā)出警示信號。
[0024]本發(fā)明再次提供了一種估算卡路里消耗和監(jiān)測手部姿勢識別的系統(tǒng)，采用了所述的估算卡路里消耗和監(jiān)測手部姿勢識別的方法，并包括以下模塊:
信號獲取與計算模塊，用于收集智慧手套運動狀態(tài)時的信號，并評估運動狀態(tài)信息加以初步計算；
異常檢測模塊，用于通過異常檢測算法識別信號是否變化的異常；
動作判斷模塊，用于將目標動作類和其他動作類進行區(qū)分的一類支持向量機，以超出力量訓練閾值所導致的異常模式作為目標動作類，并判斷智慧手套的運動姿勢是否發(fā)生姿勢偏離；
以及，警報模塊，用于當判斷發(fā)生姿態(tài)偏離時發(fā)出警示信號。
[0025]所述信號獲取與計算模塊包括以下單元:
感應采集單元，用于開啟整個系統(tǒng)并收集運動數(shù)據(jù)，收集的運動數(shù)據(jù)包括力量訓練方向上的力和三維坐標各個方向上的運動數(shù)據(jù)；
數(shù)據(jù)處理單元，用于對每一個方向上的力和運動信息求得平均值，將此平均值作為運動狀態(tài)信息；
平滑單元，針對數(shù)據(jù)處理單元所得到的數(shù)據(jù)進行ETL分析，并通過滑動平均方法對運動狀態(tài)信息進行平滑處理。
[0026]所述異常檢測模塊包括以下單元:
異常計算單元，用于對運動狀態(tài)信息的時間序列實施數(shù)據(jù)分割得到子序列，計算子序列的局部異常數(shù)據(jù)；
異常輸出單元，用于當所述的異常數(shù)據(jù)大于或等于預設(shè)閾值時，將子序列作為異常模式輸出。
[0027]所述動作判斷模塊包括以下單元:
建立模型單元，用于基于統(tǒng)計學習理論預設(shè)建立高維特征模型，所述高維特征模型以設(shè)定空間內(nèi)由于各項人體動作導致運動狀態(tài)信息變化的異常模式作為訓練樣本；
動作識別單元，用于將異常輸出單元所輸出的異常模式映射至一類支持向量機的高維特征模型中，分離出目標動作類。
[0028]還包括反饋模塊，用于反饋針對手部姿勢警報信號的響應信息，調(diào)整一類支持向量機的高維特征模型。
[0029]實施例1:
如圖1所示，本例提供一種測量卡路里消耗和監(jiān)測手部姿勢識別的智慧手套，包括:處理器模塊、存儲模塊、通信模塊、感知模塊、預警提示模塊、顯示模塊、電源模塊、開關(guān)模塊和云服務器，所述存儲模塊、通信模塊、感知模塊、預警提示模塊、顯示模塊、電源模塊、開關(guān)模塊和云服務器分別與處理器模塊相連接，其中，所述感知模塊包括壓力傳感器和MU慣性單元，所述壓力傳感器和IMU慣性單元分別用于負責感應用戶健身過程中的手部受壓力量大小和頂U數(shù)據(jù)，進而針對用戶力量訓練收集源數(shù)據(jù)，并將所述源數(shù)據(jù)傳送給處理器模塊;所述處理器模塊負責對源始數(shù)據(jù)的預處理;所述存儲模塊負責存儲處理器預處理的結(jié)果以及從云服務器傳回的處理結(jié)果;所述通信模塊負責將源數(shù)據(jù)、預處理后的數(shù)據(jù)傳至云服務器，供云服務器作進一步的數(shù)據(jù)處理和分析，并負責將云服務器處理的結(jié)果傳回至智慧手套；所述預警提示模塊則負責當用戶動作不標準、運動超量或者受力不當中任意一種情況時給用戶發(fā)出警示;所述顯示模塊負責將用戶健身過程中的動作類型、消耗卡路里和姿勢標準度的結(jié)果顯示出來。
[0030]本例所述的智慧手套也可簡稱為手套;所述智慧手套的感知模塊上設(shè)置有一個或兩個以上的壓力傳感器，所述壓力傳感器設(shè)置在手掌握力處，所述MU慣性單元設(shè)置在手腕處，便于客戶使用方便;所述存儲模塊包括內(nèi)置大容量存儲器和外置的存儲器接口，便于用戶運動數(shù)據(jù)的存儲和調(diào)用;所述源數(shù)據(jù)為通過壓力傳感器和IMU慣性單元分別感應用戶健身過程中的手部受壓力量大小和IMU數(shù)據(jù)所對應的采集數(shù)據(jù)。
[0031]本例的使用過程，首先按照標準的姿勢將所有姿勢做幾遍，所述標準的姿勢可以參考教學視頻或者教練在一旁指導，然后通過感知模塊提取出用戶的源數(shù)據(jù)和每一個動作的運動軌跡，并保存作為參照;然后，當用戶進行健身運動時，將用戶此時的健身手部運動軌跡與參照軌跡進行對比，比如通過相似度比較的方式進行對比，即可判斷出用戶運動時的姿勢是否標準，以及標準程度，所述標準程度也就是與參考軌跡的相似程度；當用戶卡路里消耗和手部姿勢與參照數(shù)據(jù)之間的差值達到一定范圍，也就是超過了預設(shè)的閥值時，所述預警提示模塊發(fā)出聲、光或震動等報警提示;所述閥值根據(jù)用戶需求進行預先設(shè)定，例如，可設(shè)置為5。
[0032]實施例2:
如圖2和圖3所示，本例還提供一種估算卡路里消耗和監(jiān)測手部姿勢識別的方法，采用了實施例1所述的智慧手套，并包括以下步驟:
步驟SI，利用壓力傳感器的薄膜壓力傳感器和MU慣性單元來搜集力量訓練時的源數(shù)據(jù)；
步驟S2，將源數(shù)據(jù)傳輸?shù)教幚砥髂K進行處理；
步驟S3，將接收到的壓力傳感器和頂U慣性單元所獲取的數(shù)據(jù)進行ETL過程，進行ETL分析，所述ETL過程為通過ETL技術(shù)對步驟S2所得到的數(shù)據(jù)進行抽取、轉(zhuǎn)置、加載和交付的過程；
以及，步驟S4，計算出消耗的卡路里，通過支持向量機建立分類模型，將超出力量訓練的源數(shù)據(jù)作為目標動作類，其他的作為非目標動作類;然后判斷是否超出力量訓練的閾值，若是則發(fā)出提醒信號，若否則將數(shù)據(jù)傳輸?shù)娇梢苿釉O(shè)備進行記錄，并推薦膳食食譜、營養(yǎng)搭配及訓練計劃。
[0033]所述步驟S3中，TL過程指數(shù)據(jù)的extract、Transform和load，即對數(shù)據(jù)進行抽取、轉(zhuǎn)置、加載和交付的過程，是指數(shù)據(jù)處理之前對數(shù)據(jù)進行預處理的重要步驟;步驟S4中，根據(jù)設(shè)置的計算模型，人體在運動過程中對外輸出的機械功可以通過一個轉(zhuǎn)化因子與人體在這一過程中消耗的卡路里聯(lián)系起來，結(jié)合測力傳感器的讀數(shù)和重構(gòu)所得運動軌跡來計算功，從而計算出消耗的卡路里和將目標動作類和其他動作類進行區(qū)分的一類支持向量機；將超出力量訓練作為目標動作類，并判斷是否超出力量訓練的閾值，若是，則發(fā)出提醒信號;本步驟S4將數(shù)據(jù)傳輸?shù)娇梢苿釉O(shè)備，進行記錄，推薦膳食食譜、營養(yǎng)搭配及訓練計劃，；所述閥值可以根據(jù)用戶的需求進行自定義設(shè)置，如在使用杠鈴時，由預先設(shè)置的力的大小，稱之為閾值，如果超過這個預先設(shè)置的大小，則發(fā)出信號。
[0034]在實際應用中，通過處理器模塊接收壓力傳感器和MU慣性單元測量出所需的運動數(shù)據(jù)，建立出運動信號和力量訓練動作的關(guān)系，只需要使用簡單的傳感器即能夠通過被檢測者的卡路里的消耗和手部姿勢的識別，判斷出被檢測者是否發(fā)生手部姿勢的偏離并進行報警，減少了對笨重的測量設(shè)備的依賴，將大大地提高手部姿勢識別的正確率;在特定的運動中，可通過可移動設(shè)備終端顯示出卡路里消耗量及膳食搭配推薦。
[0035]在本例中，所述智慧手套的壓力傳感器數(shù)量為一個或者兩個以上，所述處理器模塊所包括的中央處理器的數(shù)目為一個，如附圖1所示，被檢測的智慧手套上攜帶兩類傳感器:壓力傳感器和MU慣性單元，這兩類傳感器將收集到運動數(shù)據(jù)經(jīng)過互補濾波、指數(shù)均值和ETL等過程傳輸?shù)街醒胩幚砥髦校俑鶕?jù)設(shè)置的計算模型和機器學習的方法進行手部姿勢的識別。
[0036]本例在步驟SI中，用戶優(yōu)選通過按鈕或開關(guān)將整個系統(tǒng)打開，所述按鈕和開關(guān)可以是通過觸摸感應器來實現(xiàn)的按鈕和開關(guān)，所述按鈕和開關(guān)可以設(shè)置在IMU慣性單元附件，以便于用戶操作。
[0037]本例所述步驟S2利用異常檢測算法識別所獲取的運動信息的異常是基于局部異常因子的時間序列異常檢測算法，步驟S2中包括以下步驟:
步驟S21，通過壓力傳感器和IMU慣性單元采集壓力數(shù)據(jù)和運動姿態(tài)數(shù)據(jù)，基于可穿戴計算技術(shù)，將獲得的加速度傳感器、磁傳感器和陀螺儀的數(shù)據(jù)進行滑動均值濾波，以消除背景噪聲，所述滑動均值濾波器的滑動窗口寬度為7;
步驟S22，對加速度傳感器和陀螺儀的讀數(shù)采用互補濾波器的方式實現(xiàn)手套姿態(tài)的準確估計，該互補濾波器用于結(jié)合加速度傳感器對于手套姿態(tài)角的估計值和陀螺儀對于手套姿態(tài)角的估計值；
步驟S23，采用互補濾波器的方式估計出手套在運動過程中的姿態(tài)角后，根據(jù)力學原理消除掉重力在智慧手套運動方向上的投射分量，提取出由于智慧手套自身運動所產(chǎn)生的加速度值，實現(xiàn)加速度校準；
步驟S24，獲取經(jīng)過校準后的加速度數(shù)據(jù)，采用一次積分的方式獲得智慧手套運動的速度值；
步驟S25，積分得到智慧手套運動的速度值之后，根據(jù)智慧手套起始于靜止狀態(tài)并終止于靜止狀態(tài)的運動特征，對智慧手套運動的速度進行校準；
步驟S26，對所得速度值進行一次積分，從而得到智慧手套運動的位移大小。
[0038]步驟S22中，通過互補濾波器實現(xiàn)數(shù)據(jù)的分析處理，物體在空間中的姿態(tài)，可由加速度和角速度結(jié)合相應進而達到準確估計的目的，因此，所述步驟S22通過互補濾波器結(jié)合加速度傳感器測量的手套姿態(tài)角的估計值和陀螺儀測量的手套姿態(tài)角的估計值，進而得到手套姿勢的準確估計。步驟S23中，提取出由于智慧手套自身運動所產(chǎn)生的加速度值，也就是要濾除掉智慧手套在三維坐標的三個方向上的加速度分量，這一點可以通過互補濾波或卡曼濾波等方式實現(xiàn)。步驟24中，為了較少積分后的速度漂移，積分只針對對應于手套運動時的加速度值，為此，指數(shù)均值(EMA)被采用作為判斷手套加速度值對應于手套的靜止狀態(tài)還是運動狀態(tài)；當滑動窗口內(nèi)指數(shù)均值大于閾值時，該窗口內(nèi)的加速度被判斷為對應于手套的運動狀態(tài);反之，則被判斷為對應于手套的靜止狀態(tài)；當判斷過程完成后，積分只被作用于對應手套運動狀態(tài)下的加速度值，從而獲得相應的速度值，而對應于手套靜止狀態(tài)下的加速度值則被視為零值;所述閾值是在數(shù)據(jù)處理過程中，結(jié)合傳感器、算法以及用戶需求進行綜合確定，不同的情況下，此閾值會有所不同。所述步驟S25中，采用步驟S24所述的指數(shù)均值(EMA)判斷手套的運動狀態(tài)，當判定為靜止時，則將對應的速度值強制設(shè)置為O。
[0039]本例還包括用于卡路里消耗和手部姿勢識別的調(diào)整一類支持向量機的高維特征模型，所述步驟S4包括以下步驟:
步驟S41A，結(jié)合步驟S2所得到的位移值，結(jié)合薄膜壓力傳感器的讀數(shù)，經(jīng)過步驟S3的處理，計算出手套運動所做的功，按照建立的功與卡路里消耗的關(guān)系模型計算卡路里消耗；步驟S42B，記錄卡路里的消耗，并進行膳食搭配和營養(yǎng)均衡的提醒；
步驟S42A，基于統(tǒng)計學習理論預先建立高維特征模型，所述高維特征模型以設(shè)定空間內(nèi)由于各項姿態(tài)偏離動作導致的信息變化的異常模式作為訓練樣本；
步驟S41B，將異常模式映射至一類支持向量機的高維特征模型中，分離出目標動作類，并判斷出運動姿態(tài)是否發(fā)生偏離，若是則發(fā)出警示信號。
[0040]所述關(guān)系模型為根據(jù)人體在運動過程中對外輸出的機械功通過轉(zhuǎn)化因子與人體在這一過程中消耗的卡路里聯(lián)系起來，結(jié)合測力傳感器的讀數(shù)和重構(gòu)所得運動軌跡來計算功，從而計算出消耗的卡路里進而將目標動作類和其他動作類進行區(qū)分。
[0041]本例根據(jù)手套姿勢做功與卡路里之間的關(guān)系來構(gòu)建出模型，從而來進行計算分析，功與能量之間可用運動狀態(tài)來表示，體現(xiàn)出運動開始時刻、運動結(jié)束時刻和運動的瞬時速度；因為不是所有的內(nèi)能用來做功，一部分內(nèi)能由于熱量消耗，血液流動而損耗，人體的內(nèi)能按照一定的比率轉(zhuǎn)化成功。能量流失的計量按照以下的公式來計算:人體運動過程中對外輸出的機械功=卡路里消耗轉(zhuǎn)為機械功的效率*人體運動過程中消耗高的卡路里。
[0042]基于機器學習的相關(guān)知識，構(gòu)建出做功與卡路里消耗之間的模型關(guān)系?？纱┐饔嬎阒袦y量機械功，通常是測量運動軌跡從而計算出來人體所做的功。進一步，測量運動軌跡是用一些常見的傳感器例如加速度傳感器和重力傳感器來實現(xiàn)。
[0043]實施例3:
如圖4所示，本例還提供一種估算卡路里消耗和監(jiān)測手部姿勢識別的系統(tǒng)，采用了實施例2所述的估算卡路里消耗和監(jiān)測手部姿勢識別的方法，并包括以下模塊:
信號獲取與計算模塊41，用于收集智慧手套運動狀態(tài)時的信號，并評估運動狀態(tài)信息加以初步計算；
異常檢測模塊42，用于通過異常檢測算法識別信號是否變化的異常；
動作判斷模塊43，用于將目標動作類和其他動作類進行區(qū)分的一類支持向量機，以超出力量訓練閾值所導致的異常模式作為目標動作類，并判斷智慧手套的運動姿勢是否發(fā)生姿勢偏離；
以及，警報模塊44，用于當判斷發(fā)生姿態(tài)偏離時發(fā)出警示信號。
[0044]本例所述信號獲取與計算模塊41包括以下單元:
感應采集單元411，用于開啟整個系統(tǒng)并收集運動數(shù)據(jù)，收集的運動數(shù)據(jù)包括力量訓練方向上的力和三維坐標各個方向上的運動數(shù)據(jù)；
數(shù)據(jù)處理單元412，用于對每一個方向上的力和運動信息求得平均值，將此平均值作為運動狀態(tài)信息；
平滑單元413，針對數(shù)據(jù)處理單元412所得到的數(shù)據(jù)進行ETL分析，并通過滑動平均方法對運動狀態(tài)信息進行平滑處理。
[0045]所述感應采集單元411的三維坐標為確定物體在立體空間上的運動狀態(tài)的X軸、y軸和z軸。
[0046]本例所述異常檢測模塊42包括以下單元:
異常計算單元421，用于對運動狀態(tài)信息的時間序列實施數(shù)據(jù)分割得到子序列，計算子序列的局部異常數(shù)據(jù)；
異常輸出單元422，用于當所述的異常數(shù)據(jù)大于或等于預設(shè)閾值時，將子序列作為異常模式輸出。
[0047]優(yōu)選地，本例利用時間序列異常檢測算法，可通過更為精確的檢測標準限定，將標準和異常兩種姿勢所對應的時間序列分離出去，排除此兩種常見的人體動作造成的異常模式。
[0048]所述異常檢測模塊42采用的是基于支持向量機的多維空間數(shù)據(jù)判別算法，該異常檢測模塊42進行姿勢異常檢測原理為:首先按照標準的姿勢將所有姿勢做幾遍，所述標準的姿勢可以參考教學視頻或者教練在一旁指導，然后提取出用戶的源數(shù)據(jù)和每一個動作的運動軌跡，并保存作為參照;然后，當用戶進行健身運動時，將用戶此時的健身手部運動軌跡與參照軌跡進行對比，比如通過相似度比較的方式進行對比，即可判斷出用戶運動時的姿勢是否標準，以及標準程度，所述標準程度也就是與參考軌跡的相似程度;獲取的數(shù)據(jù)是隨著時間而產(chǎn)生的，也就是時間序列模型，為便于實現(xiàn)數(shù)據(jù)分析和處理，本例對獲取的數(shù)據(jù)進行分割，而子序列指的是截取一段由感知模塊獲取并經(jīng)過ETL過程的數(shù)據(jù)，至于子序列的長度和數(shù)據(jù)量，根據(jù)系統(tǒng)的處理能力可以自定義設(shè)置;所述局部異常數(shù)據(jù)是指在子序列中，按照支持向量機的方法計算，部分數(shù)據(jù)明顯與此子序列的其他數(shù)據(jù)有偏差的數(shù)據(jù);所述預設(shè)閥值為預先設(shè)置的閥值，是在數(shù)據(jù)處理過程中，結(jié)合傳感器、算法以及用戶需求進行綜合確定，不同的情況下，此閾值會有所不同。
[0049]本例所述動作判斷模塊43包括以下單元:
建立模型單元431，用于基于統(tǒng)計學習理論預設(shè)建立高維特征模型，所述高維特征模型以設(shè)定空間內(nèi)由于各項人體動作導致運動狀態(tài)信息變化的異常模式作為訓練樣本；
動作識別單元432，用于將異常輸出單元422所輸出的異常模式映射至一類支持向量機的高維特征模型中，分離出目標動作類。
[0050]本例還優(yōu)選包括反饋模塊45，用于反饋針對手部姿勢警報信號的響應信息，調(diào)整一類支持向量機的高維特征模型。
[0051]本例獲取的數(shù)據(jù)是隨著時間而產(chǎn)生的，也就是時間序列模型，為便于實現(xiàn)數(shù)據(jù)分析和處理，本例對獲取的數(shù)據(jù)進行分割，而子序列指的是截取一段由感知模塊獲取并經(jīng)過ETL過程的數(shù)據(jù)，至于子序列的長度和數(shù)據(jù)量，根據(jù)系統(tǒng)的處理能力可以自定義設(shè)置;所述局部異常數(shù)據(jù)是指在子序列中，按照支持向量機的方法計算，部分數(shù)據(jù)明顯與此子序列的其他數(shù)據(jù)有偏差的數(shù)據(jù);所述預設(shè)閥值為預先設(shè)置的閥值，是在數(shù)據(jù)處理過程中，結(jié)合傳感器、算法以及用戶需求進行綜合確定，不同的情況下，此閾值會有所不同。
[0052]在完成異常檢測模塊42后，部分運動動作將因為造成運動狀態(tài)信息的明顯變化被檢測到而輸出對應的異常模式。然后，對這些異常模式將進入動作分析，從而判斷異常模式是屬于何種動作。為了從這些模式中區(qū)別出異常動作，本例使用了從異常模式中所提取過的特征的多類支持向量機(mult1-class Support Vector Machine, mult1-class SVM)；多類SVM是一種擴展的支持向量機算法，在多類SVM，所有的樣本分為目標類和其他類;為了解決非線性分類的問題，將輸入樣本映射成一個高維圖像。在本例中，非標準姿勢的異常模式被視作目標動作類，而其他動作的異常模式被視作為其他動作類。非標準動作的異常模式亦已經(jīng)被事先映射成一個高維圖像。通過利用多類SVM判斷，可以從上一步驟輸出的異常模式中分離出異常動作來，依賴于由輸出的異常模式和選定的模型，從而決定發(fā)生了何種動作。
[0053]本例還優(yōu)選包括用于調(diào)整完善一類支持向量機的高維特征模型，提供可以優(yōu)化檢測和決策算法的系統(tǒng)反饋。如果警報沒有及時被關(guān)閉，系統(tǒng)則會通過信號關(guān)聯(lián)的其他設(shè)備向他人發(fā)出求助信息，比如通過第三方應用發(fā)送即時信息或短信等求助。
[0054]以上內(nèi)容是結(jié)合具體實現(xiàn)方式對本發(fā)明做的進一步闡述，不應認定本發(fā)明的具體實現(xiàn)只局限于以上說明。對于本技術(shù)領(lǐng)域的技術(shù)人員而言，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡單推演或替換，均應視為有本發(fā)明所提交的權(quán)利要求確定的保護范圍之內(nèi)。
【主權(quán)項】
1.一種測量卡路里消耗和監(jiān)測手部姿勢識別的智慧手套，其特征在于，包括:處理器模塊、存儲模塊、通信模塊、感知模塊、預警提示模塊、顯示模塊、電源模塊、開關(guān)模塊和云服務器，所述存儲模塊、通信模塊、感知模塊、預警提示模塊、顯示模塊、電源模塊、開關(guān)模塊和云服務器分別與處理器模塊相連接，其中，所述感知模塊包括壓力傳感器和IMU慣性單元，所述壓力傳感器和IMU慣性單元分別用于負責感應用戶健身過程中的手部受壓力量大小和MU數(shù)據(jù)，進而針對用戶力量訓練收集源數(shù)據(jù)，并將所述源數(shù)據(jù)傳送給處理器模塊;所述處理器模塊負責對源始數(shù)據(jù)的預處理;所述存儲模塊負責存儲處理器預處理的結(jié)果以及從云服務器傳回的處理結(jié)果;所述通信模塊負責將源數(shù)據(jù)、預處理后的數(shù)據(jù)傳至云服務器，供云服務器作進一步的數(shù)據(jù)處理和分析，并負責將云服務器處理的結(jié)果傳回至智慧手套;所述預警提示模塊則負責健身異常情況時給用戶發(fā)出警示;所述顯示模塊負責將用戶健身過程中的動作類型、消耗卡路里和姿勢標準度的結(jié)果顯示出來。2.—種估算卡路里消耗和監(jiān)測手部姿勢識別的方法，其特征在于，采用了權(quán)利要求1所述的測量卡路里消耗和監(jiān)測手部姿勢識別的智慧手套，并包括以下步驟:步驟SI，利用壓力傳感器的薄膜壓力傳感器和MU慣性單元來搜集力量訓練時的源數(shù)據(jù);步驟S2，將源數(shù)據(jù)傳輸?shù)教幚砥髂K進行處理；步驟S3，將接收到的壓力傳感器和MU慣性單元所獲取的數(shù)據(jù)進行ETL過程，進行ETL分析，所述ETL過程為通過ETL技術(shù)對步驟S2所得到的數(shù)據(jù)進行抽取、轉(zhuǎn)置、加載和交付的過程；以及，步驟S4，計算出消耗的卡路里，通過支持向量機建立分類模型，將超出力量訓練的源數(shù)據(jù)作為目標動作類，其他的作為非目標動作類;然后判斷是否超出力量訓練的閾值，若是則發(fā)出提醒信號，若否則將數(shù)據(jù)傳輸?shù)揭苿釉O(shè)備進行記錄，并推薦膳食食譜、營養(yǎng)搭配及訓練計劃。3.根據(jù)權(quán)利要求2所述的估算卡路里消耗和監(jiān)測手部姿勢識別的方法，其特征在于，在步驟SI中，用戶通過按鈕或開關(guān)將整個系統(tǒng)打開，智慧手套的感知模塊上設(shè)置有一個或兩個以上的壓力傳感器。4.根據(jù)權(quán)利要求2所述的估算卡路里消耗和監(jiān)測手部姿勢識別的方法，其特征在于，在步驟S2中包括以下步驟: 步驟S21，通過壓力傳感器和IMU慣性單元采集壓力數(shù)據(jù)和運動姿態(tài)數(shù)據(jù)，將獲得的加速度傳感器、磁傳感器和陀螺儀的數(shù)據(jù)進行滑動均值濾波，以消除背景噪聲，所述滑動均值濾波器的滑動窗口寬度根據(jù)用戶實際情況進行調(diào)整； 步驟S22，對加速度傳感器和陀螺儀的讀數(shù)采用互補濾波器的方式實現(xiàn)手套姿態(tài)的準確估計，該互補濾波器用于結(jié)合加速度傳感器對于手套姿態(tài)角的估計值和陀螺儀對于手套姿態(tài)角的估計值； 步驟S23，采用互補濾波器的方式估計出手套在運動過程中的姿態(tài)角后，根據(jù)力學原理消除掉重力在智慧手套運動方向上的投射分量，提取出由于智慧手套自身運動所產(chǎn)生的加速度值，實現(xiàn)加速度校準； 步驟S24，獲取經(jīng)過校準后的加速度數(shù)據(jù)，采用一次積分的方式獲得智慧手套運動的速度值； 步驟S25，積分得到智慧手套運動的速度值之后，根據(jù)健身動作起始于靜止狀態(tài)并終止于靜止狀態(tài)的運動特征，對智慧手套運動的速度進行校準； 步驟S26，對所得速度值進行一次積分，從而得到智慧手套運動的位移大小； 步驟S27，結(jié)合上述結(jié)果，對健身動作的軌跡進行重構(gòu)，從而得到用戶健身過程中手部的運動軌跡。5.根據(jù)權(quán)利要求2所述的估算卡路里消耗和監(jiān)測手部姿勢識別的方法，其特征在于，所述步驟S4包括以下步驟: 步驟S41A，結(jié)合步驟S2所得到的位移值，結(jié)合薄膜壓力傳感器的讀數(shù)，經(jīng)過步驟S3的處理，計算出手套運動所做的功，按照建立的功與卡路里消耗的關(guān)系模型計算卡路里消耗； 步驟S42B，記錄卡路里的消耗，并進行膳食搭配和營養(yǎng)均衡的提醒； 步驟S42A，基于統(tǒng)計學習理論預先建立高維特征模型，所述高維特征模型以設(shè)定空間內(nèi)由于各項姿態(tài)偏離動作導致的信息變化的異常模式作為訓練樣本； 步驟S41B，將異常模式映射至一類支持向量機的高維特征模型中，分離出目標動作類，并判斷出運動姿態(tài)是否發(fā)生偏離，若是則發(fā)出警示信號。6.一種估算卡路里消耗和監(jiān)測手部姿勢識別的系統(tǒng)，其特征在于，采用了權(quán)利要求2至5任意一項所述的卡路里消耗和手部姿勢識別的方法，并包括以下模塊: 信號獲取與計算模塊，用于收集智慧手套運動狀態(tài)時的信號，并評估運動狀態(tài)信息加以初步計算； 異常檢測模塊，用于通過異常檢測算法識別信號是否變化的異常； 動作判斷模塊，用于將目標動作類和其他動作類進行區(qū)分的一類支持向量機，以超出力量訓練閾值所導致的異常模式作為目標動作類，并判斷智慧手套的運動姿勢是否發(fā)生姿勢偏離； 以及，警報模塊，用于當判斷發(fā)生姿態(tài)偏離時發(fā)出警示信號。7.根據(jù)權(quán)利要求6所述的估算卡路里消耗和監(jiān)測手部姿勢識別的系統(tǒng)，其特征在于，所述信號獲取與計算模塊包括以下單元: 感應采集單元，用于開啟整個系統(tǒng)并收集運動數(shù)據(jù)，收集的運動數(shù)據(jù)包括力量訓練方向上的力和三維坐標各個方向上的運動數(shù)據(jù)； 數(shù)據(jù)處理單元，用于對每一個方向上的力和運動信息求得平均值，將此平均值作為運動狀態(tài)信息； 平滑單元，針對數(shù)據(jù)處理單元所得到的數(shù)據(jù)進行ETL分析，并通過滑動平均方法對運動狀態(tài)信息進行平滑處理。8.根據(jù)權(quán)利要求6所述的估算卡路里消耗和監(jiān)測手部姿勢識別的系統(tǒng)，其特征在于，所述異常檢測模塊包括以下單元: 異常計算單元，用于對運動狀態(tài)信息的時間序列實施數(shù)據(jù)分割得到子序列，計算子序列的局部異常數(shù)據(jù)； 異常輸出單元，用于當所述的異常數(shù)據(jù)大于或等于預設(shè)閾值時，將子序列作為異常模式輸出。9.根據(jù)權(quán)利要求8所述的估算卡路里消耗和監(jiān)測手部姿勢識別的系統(tǒng)，其特征在于，所述動作判斷模塊包括以下單元: 建立模型單元，用于基于統(tǒng)計學習理論預設(shè)建立高維特征模型，所述高維特征模型以設(shè)定空間內(nèi)由于各項人體動作導致運動狀態(tài)信息變化的異常模式作為訓練樣本； 動作識別單元，用于將異常輸出單元所輸出的異常模式映射至一類支持向量機的高維特征模型中，分離出目標動作類。10.根據(jù)權(quán)利要求6所述的估算卡路里消耗和監(jiān)測手部姿勢識別的系統(tǒng)，其特征在于，還包括反饋模塊，用于反饋針對手部姿勢警報信號的響應信息，調(diào)整多分類支持向量機的高維特征模型。
【文檔編號】A63B24/00GK105833508SQ201610155558
【公開日】2016年8月10日
【申請日】2016年3月18日
【發(fā)明人】伍楷舜, 鄒永攀, 王丹, 吳金詠
【申請人】深圳大學