專利名稱：用于確定人的姿勢的系統(tǒng)和方法
用于確定人的姿勢的系統(tǒng)和方法本發(fā)明涉及用于確定人的姿勢的系統(tǒng)和方法。涉及以隱馬爾可夫模型為基礎(chǔ)的移動分析的系統(tǒng)和方法是已知的，例如，如 Daniel Wilson 禾口 Andy Wilson 的文章 “Gesture recognition using the XWand，，以及 P. V. Borza 的文章“Motion-based gesture recognition with an accelerometer，，(學士學位論文)中所述。文獻"A hidden Markov model-based stride segmentation technique applied to equine inertial sensor trunk movement data",Journal of Biomechanics 41 (2008) 216-220,by Thilo Pfau,Marta Ferrari,Kevin Parsons, and Alan Wilson 涉及對馬的步態(tài)的分析。然而，這些系統(tǒng)和方法的準確度有限。本發(fā)明的一個目的在于提高確定移動元素，尤其是生物的活動的準確性，所述生物可以是人，也可以是動物。根據(jù)本發(fā)明的一個方面，提出了一種用于確定人的姿勢的系統(tǒng)，其包括至少一個具有至少一個測量軸的運動傳感器，其設(shè)有固定裝置，用于將所述運動傳感器牢靠地連接到用戶身上。所述系統(tǒng)包括-濾波器，其針對所述運動傳感器的每一測量軸選擇高于第一閾值的高頻以及低于第二閾值的低頻，所述第二閾值低于或等于所述第一閾值；-用于確定等于所述運動傳感器所考慮的測量軸的所述高頻的平方之和的一維高頻分量和在尺度上等于所述運動傳感器考慮的測量軸的數(shù)量的低頻分量的模塊；-用于計算所述高頻分量的概率密度和所述低頻分量的概率密度的模塊，所述高頻分量的概率密度是以等于所述運動傳感器考慮的測量軸的數(shù)量的自由度通過Chi-2定律定義的，所述的低頻分量的概率密度是由高斯定律定義的；以及-適于確定用戶的姿勢的分析模塊，這些分析模塊結(jié)合了-所述低頻和高頻分量的聯(lián)合概率密度，這些概率密度是針對每一姿勢定義的； 以及-兩種連續(xù)的姿勢之間的轉(zhuǎn)換概率。需要提醒的是，隱馬爾可夫模型是由兩個隨機過程定義的第一個隨機過程在本申請中被稱為“狀態(tài)”，不需對其觀測，換言之，該隨機過程是隱藏的，第二個隨機過程是對指定時刻上的概率密度取決于同一時刻的狀態(tài)的值的觀察。根據(jù)本發(fā)明的第一方面，狀態(tài)采取離散值。這一類型的系統(tǒng)能夠以提高的準確度確定移動元素，尤其是既可以是人也可以是動物的生物的活動。在一個實施例中，所述確定模塊適于確定等于根據(jù)運動傳感器考慮的測量軸得到的測量結(jié)果的線性組合的一維低頻分量，所述高頻分量是以一自由度通過Chi-2定律定義的。
根據(jù)一個實施例，一對低頻分量和高頻分量的值的概率密度包括獲得低頻分量的值的概率密度與獲得高頻分量的值的概率密度的乘積，所述概率密度是通過下述表達式針對每一狀態(tài)i確定的
權(quán)利要求
1.一種用于確定人的姿勢的系統(tǒng)，其包括至少一個具有至少一個測量軸的運動傳感器 (CM)，所述運動傳感器設(shè)有固定模塊(MF)，用于將所述運動傳感器(CM)牢靠地連接到用戶身上，所述系統(tǒng)的特征在于其包括-濾波器(FILT)，其針對所述運動傳感器(CM)的每一測量軸選擇高于第一閾值(Si) 的高頻以及低于第二閾值(S2)的低頻，所述第二閾值(S2)低于或等于所述第一閾值 (Si)；-確定模塊(DET)，用于確定等于所述運動傳感器(CM)考慮的測量軸(k)的所述高頻的平方之和的一維高頻分量(HF)和在尺度上等于所述運動傳感器(CM)考慮的測量軸的數(shù)量(k)的低頻分量(BF)；-計算模塊(CALC)，用于計算所述高頻分量(HF)的概率密度(Py)和所述低頻分量(BF) 的概率密度(Px)，所述高頻分量(HF)的概率密度是以等于所述運動傳感器(CM)考慮的測量軸的數(shù)量(k)的自由度通過Chi-2定律定義的，所述低頻分量(BF)的概率密度是由高斯定律定義的；以及-分析模塊(AN)，適于確定用戶的姿勢，這些分析模塊(AN)結(jié)合了 -所述低頻分量和所述高頻分量的聯(lián)合概率密度，這些概率密度是針對每一姿勢定義的；以及-兩種連續(xù)的姿勢之間的轉(zhuǎn)換概率。
2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述確定模塊(DET)適于確定等于根據(jù)所述運動傳感器(CM)考慮的測量軸得到的測量結(jié)果的線性組合的一維低頻分量(BF)，所述高頻分量是以一自由度通過Chi-2定律定義的。
3.根據(jù)權(quán)利要求1或2所述的系統(tǒng)，其中，所述低頻分量(BF)和所述高頻分量(HF)的一對值(x(n),y(n))的概率密度(P (χ (η), y (n)))包括獲得所述低頻分量(BF)的值(χ (η)) 的概率密度(Px)和獲得所述高頻分量(HF)的值(y(n))的概率密度(Py)的乘積，所述概率密度(Px，Py)是根據(jù)下述表達式針對每一狀態(tài)i定義的
4.根據(jù)前述權(quán)利要求之一所述的系統(tǒng)，其包括顯示模塊(AFF)。
5.根據(jù)前述權(quán)利要求之一所述的系統(tǒng)，其中，所述運動傳感器(CM)包括加速度計和/ 或磁強計和/或陀螺儀。
6.根據(jù)前述權(quán)利要求之一所述的系統(tǒng)，其包括具有測量軸的第一加速度計和適于將所述第一加速度計固定到用戶的軀干上的固定模塊，所述固定所采取的方式使得所述測量軸與用戶直立時身體的縱軸VT —致。
7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其中，所述分析模塊(AN)適于利用隱馬爾可夫模型確定與時間相關(guān)的用戶的姿勢，所述隱馬爾可夫模型最多具有從站姿或坐姿、行走姿勢、傾斜姿勢到躺臥姿勢的四種狀態(tài)。
8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其中-對于站姿或坐姿而言，μχε
，
，。e [1.10—3;5.10—1 j. -對于行走姿勢而言，
，
,σ^ e [l.lO2 ; -對于傾斜姿勢而言
9.根據(jù)權(quán)利要求6所述的系統(tǒng)，所述系統(tǒng)還包括具有測量軸的第二加速度計和適于將所述第二加速度計固定到用戶的大腿上的固定模塊，所述固定所采取的方式使得所述測量軸與用戶直立時身體的縱軸VT —致。
10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其中，所述分析模塊(AN)適于利用隱馬爾可夫模型確定與時間相關(guān)的用戶的姿勢，所述隱馬爾可夫模型最多具有從站姿、坐姿、躺臥姿勢到行走姿勢的四種狀態(tài)。
11.根據(jù)權(quán)利要求10所述的系統(tǒng)，其中，x(n)表示所述兩個加速度計的一對相應(yīng)低頻分量(BF)，y(n)表示所述第二加速度計的高頻分量(HF)，其中索引樣本為n，獲得值χ (η) 的概率密度(Px)是通過下述表達式定義的
12.根據(jù)權(quán)利要求11所述的系統(tǒng)，其中
13. 一種用于確定人的姿勢的方法，其特征在于-執(zhí)行濾波(FILT)，從而針對運動傳感器(CM)的每一測量軸選擇高于第一閾值(Si) 的高頻以及低于第二閾值(S2)的低頻，所述第二閾值(S2)低于或等于所述第一閾值 (Si)；-確定(DET)等于所述運動傳感器(CM)考慮的測量軸(k)的所述高頻之和的一維高 頻分量(HF)和在維度上等于所述運動傳感器(CM)考慮的測量軸的數(shù)量(k)的低頻分量 (BF)；-計算(CALC)所述高頻分量(HF)的概率密度(Py)和所述低頻分量(BF)的概率密度 (Px)，所述高頻分量(HF)是以等于所述運動傳感器(CM)考慮的測量軸的數(shù)量(k)的自由 度通過Chi-2定律定義的，所述低頻分量(BF)是由高斯定律定義的；以及_采用隱馬爾可夫模型確定與時間相關(guān)的用戶的姿勢，所述隱馬爾可夫模型具有分別 對應(yīng)于N個姿勢的N個狀態(tài)，可以通過結(jié)合下述內(nèi)容執(zhí)行這一確定-所述低頻分量和所述高頻分量的聯(lián)合概率密度，這些概率密度是針對每一姿勢定義 的，以及-兩種連續(xù)的姿勢之間的轉(zhuǎn)換概率。
全文摘要
本發(fā)明涉及一種用于確定人的姿勢的系統(tǒng)，其包括至少一個具有至少一個測量軸的運動傳感器(CM)，所述運動傳感器設(shè)有固定模塊(MF)，用于將所述運動傳感器(CM)牢靠地連接到用戶身上，所述系統(tǒng)包括適于確定用戶的姿勢的分析模塊(AN)，這些分析模塊(AN)結(jié)合了-所述低頻分量和高頻分量的聯(lián)合概率密度函數(shù)，這些概率密度函數(shù)是針對每一姿勢定義的；以及-兩種連續(xù)的姿勢之間的轉(zhuǎn)換概率。
文檔編號A61B5/11GK102438521SQ201080022493
公開日2012年5月2日 申請日期2010年4月26日 優(yōu)先權(quán)日2009年4月24日
發(fā)明者P·雅隆 申請人:原子能和輔助替代能源委員會, 莫韋公司