劉歡++吳其林++朱治鵬++邵宇吉++張正++李達(dá)歐

[摘 要]針對傳統(tǒng)的人體坐姿識別精度低、二次穿戴麻煩等問題，我們提出了一種基于多元信息傳感融合的人體坐姿識別方法，本文通過對加速度、壓力等技術(shù)的整合，設(shè)計出新型算法，實現(xiàn)對人體坐姿的正確識別，同時與腰帶結(jié)合，減小二次穿戴設(shè)備帶來的麻煩。大量實驗表明，該方法能夠有效捕捉人體姿態(tài)數(shù)據(jù)。

[關(guān)鍵詞]加速度；壓力；信息融合；坐姿識別

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-914X（2016）02-0281-02

引言

隨著當(dāng)下新生活、新科技的發(fā)展，亞健康問題成為人們?nèi)找骊P(guān)注的焦點，尤其是對于長期的久坐白領(lǐng)辦公人員，久坐現(xiàn)象更是嚴(yán)重，坐姿如果不正確，除了看起來沒精神外，也容易腰酸背痛，甚至影響脊椎、壓迫神經(jīng)，因此如果不能保持一個正確的健康的坐姿，對我們的身體健康將產(chǎn)生很大的危害，進(jìn)而對自身的思想壓力和思想狀態(tài)產(chǎn)生影響。人體坐姿的正確識別和矯正在人機(jī)工程學(xué)、康復(fù)醫(yī)學(xué)等研究領(lǐng)域都扮演著十分重要的角色。隨著加速度傳感器、磁場傳感器、壓力傳感器等先進(jìn)技術(shù)的迅速發(fā)展，傳感器模塊的微型化、低成本化發(fā)展，使得傳感器在低成本領(lǐng)域得到較為廣泛的應(yīng)用。目前，已經(jīng)有許多學(xué)者對該問題進(jìn)行研究，REHBINDE.H等人利用陀螺儀和加速度傳感器進(jìn)行信息融合，從而修正陀螺儀的在水平傾角上的偏差，L1W等人在靜態(tài)環(huán)境下，利用體域網(wǎng)系統(tǒng)采集多組加速度信號，提出一種基于DS證據(jù)理論的數(shù)據(jù)融合算法，對人體常見的四種基本姿勢進(jìn)行識別，可以靜態(tài)識別人體姿態(tài)，但是無法動態(tài)跟蹤姿態(tài)。

針對前人的研究基礎(chǔ)，以及傳統(tǒng)的對人體坐姿的單個識別部位的監(jiān)測的不穩(wěn)定、精度低以及二次穿戴問題，我們提出了一種基于多元信息傳感與腰帶融合的人體坐姿識別矯正算法，利用加速度傳感器，壓力原理，實現(xiàn)與腰帶的結(jié)合，解決二次穿戴問題，可以有效獲得人體的姿態(tài)值，從而全方位監(jiān)測人體的姿態(tài)。

1 人體姿態(tài)描述和求解原理

1.1 利用加速度技術(shù)

人體姿態(tài)是指人體坐標(biāo)系相對參考坐標(biāo)系的相對轉(zhuǎn)動。為了便于研究，我們將人體腰部附近部位視為一個小方塊，只研究小方塊的變化角度，在這里我們?nèi)∪齻€角度來研究，分別是偏航角、俯仰角和橫滾角，取方塊上坐標(biāo)軸x、y、z。根據(jù)三角原理，x軸上的重力矢量投影會產(chǎn)生等于加速度計x軸與水平夾角正弦值的輸出加速度，同理也可得到y(tǒng)軸的輸出加速度。同時，可以基于一個參照點分別確定加速度計各個軸的角度。參照點為器件的方塊的典型取向，其中，x軸和y軸位于水平面內(nèi)（0g場），z軸與水平線垂直（1g場）。如下圖所示，θ為水平線與加速度計x軸的夾角，ψ為水平線與加速度計y軸的夾角，？為重力矢量與z軸的夾角。[1]

通過基本三角函數(shù)關(guān)系，可得：

由于上述實驗采用的分析基于以下假設(shè)，即采用的是理想加速度計。這就是相當(dāng)于0g失調(diào)且具有完美靈敏度的方塊。盡管傳感器已經(jīng)經(jīng)過調(diào)整，但是最后這樣的原理將應(yīng)用到與壓力，實現(xiàn)對人體姿態(tài)的檢測，所以，在系統(tǒng)組裝后，方塊上的任何靜態(tài)應(yīng)力都可能影響失調(diào)和靈敏度。所以，需要進(jìn)行這樣的矯正。

在每個目標(biāo)軸上使用兩點（雙軸設(shè)計最多為六個點），當(dāng)將軸置于+1g和-1g場時，測得的輸出如下：

為失調(diào)誤差，單位為g。

Gain為加速度的增益。

為作用于加速度計的實際加速度值，單位為g。

1.2 壓力原理

經(jīng)過實驗發(fā)現(xiàn)，人體在不同的坐姿下會直接影響腰帶部位對周邊的壓力分布，坐姿的不同會造成壓力分布的較大差異。在這里需要用到一款傳感器，即：原裝進(jìn)口 FSR402 電阻式薄膜壓力傳感器。

Force？Sensing？Resistor是著名Interlink？Electronics？公司生產(chǎn)的一款重量輕，體積小，感測精度高，超薄型電阻式壓力傳感器。這款壓力傳感器是將施加在FSR傳感器薄膜區(qū)域的壓力轉(zhuǎn)換成電阻值的變化，從而獲得壓力信息。壓力越大，電阻越低。其允許用在壓力100g-10kg的場合。

1.3 姿態(tài)識別方法

通過大量的實驗，采集到人體腰部位置對腰帶的壓力分布主要分布在左前、左后、右前、右后幾個位置，我們在選擇左前監(jiān)測點1、左后監(jiān)測點3、右前監(jiān)測點2，作為壓力傳感器檢測位置。同時，由于加速度傳感器檢測的是人體相對于外界的俯仰角、橫滾角的變化，所以將壓力傳感器放在腰帶頭部位置較為合適。在腰帶上設(shè)置監(jiān)測點，將FSR402 電阻式薄膜壓力傳感器放在監(jiān)測點位置，即可根據(jù)人體坐姿的變化，對監(jiān)測點引起壓力改變，傳感器接收數(shù)據(jù)，將數(shù)據(jù)傳送到MCU，對數(shù)據(jù)進(jìn)行分析處理，通過與加速度傳感元件結(jié)合，即可判別人體坐姿。通過加速度傳感器與壓力傳感器同時檢測、識別，綜合判斷人體的姿態(tài)。

2 信號預(yù)處理

受環(huán)境和各方面的因素影響，特別是在檢測人體姿態(tài)時，由人體機(jī)械振動帶來的干擾，所以為了減少測量數(shù)據(jù)帶來的干擾，我們需要對傳感數(shù)據(jù)值進(jìn)行預(yù)處理。其中，滑動均值濾波作為傳統(tǒng)的數(shù)字濾波器相對簡單，對除去隨機(jī)噪聲有很大的效果。本研究也就是采用滑動均值濾波對信息進(jìn)行去噪處理。濾波原理公式如下：

其中，x（i）為傳感器采集到的數(shù)據(jù)，y（i）為濾波后的數(shù)據(jù)。然后進(jìn)行實驗記錄。

3 識別姿態(tài)算法

當(dāng)角度值θ在θ1-θ2范圍內(nèi)且壓力差值a在（ΔF -σ，ΔF+σ）范圍內(nèi)，壓力差值b在（ΔF`-α，ΔF`+α）范圍內(nèi)時，坐姿處在正確狀態(tài)；

當(dāng)角度值大于θ2且a不在ΔF+-σ內(nèi)、b大于ΔF`+α?xí)r，坐姿處于左前傾狀態(tài)；

當(dāng)角度值在θ1-θ2范圍內(nèi)且a不在（ΔF -σ，ΔF+σ）內(nèi)、b大于ΔF`+α?xí)r，坐姿處于左傾狀態(tài)；

當(dāng)角度值小于θ1且a不在（ΔF -σ，ΔF+σ）內(nèi)、b大于ΔF`+α?xí)r，坐姿處于左后仰狀態(tài)；

當(dāng)角度值大于θ2且a不在（ΔF -σ，ΔF+σ）內(nèi)、b在（ΔF`-α，ΔF`+α）范圍內(nèi)時，坐姿處于前傾狀態(tài)；

當(dāng)角度值大于θ2且a不在（ΔF -σ，ΔF+σ）內(nèi)、b小于ΔF`-α?xí)r，坐姿處于右前傾狀態(tài)；

當(dāng)角度值小于θ1且a不在（ΔF -σ，ΔF+σ）內(nèi)、b在（ΔF`-α，ΔF`+α）范圍內(nèi)時，坐姿處于后仰狀態(tài)；

當(dāng)角度值在θ1-θ2范圍內(nèi)且a不在（ΔF -σ，ΔF+σ）內(nèi)、b小于ΔF`-α?xí)r，坐姿處于右傾狀態(tài)；

當(dāng)角度值小于θ1且a不在（ΔF -σ，ΔF+σ）內(nèi)、b小于ΔF`-α?xí)r，坐姿處于右后仰狀態(tài)。

4 結(jié)論

本研究通過運(yùn)用多種傳感器，實現(xiàn)了傳感器識別坐姿與腰帶的結(jié)合。首先將傳感器固定在腰帶相應(yīng)的部位，將采集到的數(shù)據(jù)通過滑動濾波進(jìn)行去噪處理，降低因測量噪聲、機(jī)械振動等對人體姿態(tài)識別產(chǎn)生的影響。然后，通過將俯仰角、橫滾角和壓力值進(jìn)行綜合判斷，實現(xiàn)對人體坐姿態(tài)的有效識別。試驗結(jié)果表明，基于多傳感器技術(shù)與腰帶的融合，能夠較好的抵抗人體運(yùn)動過程中隨機(jī)噪聲的干擾，能夠有效地識別人體的坐姿，實現(xiàn)了長時間穩(wěn)定地輸出較高精度的姿態(tài)數(shù)據(jù)。

參考文獻(xiàn)

[1] Christopher J. Fisher.利用加速度計進(jìn)行傾斜檢測.ANALOG DEVICES

[2] TomoakiTusuzki.ADXL345快速入門指南.ANALOG DEVICES

[3] 田國會，吉艷青，黃彬.基于多特征融合的人體動作識別[J].山東大學(xué)學(xué)報：工學(xué)報，2009

[4] 張春慧.高精度捷聯(lián)式慣性導(dǎo)航系統(tǒng)算法研究[D].哈爾濱：哈爾濱工程大學(xué)，2005.