專利名稱：活動識別設(shè)備、方法、以及程序的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于活動識別的設(shè)備、方法、程序、以及存儲介質(zhì)。更具體地，本發(fā)明涉及活動識別設(shè)備、活動識別方法、使計算機執(zhí)行這種方法的程序、存儲這種程序的存儲介質(zhì)或存儲器、以及被編碼為使計算機執(zhí)行這種方法的信號。
背景技術(shù)：
已經(jīng)利用照相機、麥克風(fēng)(非專利文獻5)、慣性傳感器(非專利文獻4)、以及測角儀嘗試了人類活動分類。對于每一種傳感器或傳感器組合，研究者還開發(fā)了能夠在不同程度上對活動分類的自定義算法。由于人類活動分類的一部分是獲得人類運動的準確測量，所用的技術(shù)與用于人物動畫、運動機能學(xué)、生物力學(xué)的方法重疊。然而，由于本申請的發(fā)明人致力于如何在移動和不受限制的情境中對人類活動進行確定和分類的問題，因此除了少數(shù)傳感器模態(tài)之外，所有傳感器模態(tài)都是適當(dāng)?shù)摹?br> 計算機版本一組這種受限制的方法包括用靜態(tài)照相機或可佩戴照相機監(jiān)視對象(非專利文獻10)。通常，光學(xué)標記附著到對象的身體上，以簡化視覺跟蹤。可以通過逆運動學(xué)模型從標記的運動推斷對象的運動。
雖然此方法具有提供非常豐富和完整的測量的潛力，但從照相機的觀點來看，它只能用于良好照明空間，這阻礙了其在移動應(yīng)用中的使用。
計算機聽覺還有研究者嘗試(在身體上和環(huán)境中)使用麥克風(fēng)來自動確定用戶活動的例子(見非專利文獻2和非專利文獻9)。然而，運動傳感器的主要優(yōu)勢是較低的數(shù)據(jù)速率(這轉(zhuǎn)化為更低的計算需要)和僅測量用戶運動的能力。在音頻上，由用戶的活動引起的聲音與環(huán)境聲音經(jīng)常變化的背景混合。這些前景和背景的分離是一個未解決的問題，當(dāng)使用運動傳感器時不會發(fā)生這個問題。
絕對關(guān)節(jié)角度感測這一組方法包括直接將傳感器附著到對象的身體上，以便測量對象關(guān)節(jié)的角度?？赡艿膫鞲衅魇请娢挥嫼托D(zhuǎn)編碼器(它門都要求外骨骼將對象關(guān)節(jié)角度的變化發(fā)送到該傳感器)，彎折傳感器(對彎折和彎曲敏感的材料的條帶)，以及慣性傳感器(加速度計和陀螺儀，它們基本上通過牛頓第一運動定律來測量速度的改變)。在臨床情境中，經(jīng)常使用測角儀(等價于傾斜度傳感器)，以測量相對于重力的角度。
慣性感測在這些傳感器中，只有慣性傳感器和傾斜度傳感器可以用于測量對象的運動，而不需要對(用于外骨骼或彎曲敏感材料的條帶的)布料的大量修改，也不需要特別的附件。此外，慣性傳感器可以被完全封入另一裝置中，用戶可以容易地拿起或攜帶在兜或包中，因而使這些傳感器在移動裝置中使用或者作為自包含裝置使用是具有吸引力的。
例如在非專利文獻7、非專利文獻8、專利文獻1、專利文獻2中公開了其他相關(guān)工作。
參考文件非專利文獻1Dimitri P.Bertsekas的Nonlinear Programing(非線性編程)，Athena Scientific，第二版，1995。
非專利文獻2Brian Clarkson，Alex Pentland，以及Kenji Mase的Recognizing user context via wearable sensor(通過可佩戴式傳感器識別用戶情境)，F(xiàn)ourth International Symposium on WearableComputers(ISWC)，2000。
非專利文獻3Masataka Ishikawa，美國專利5,297,028Methodand apparatus for correcting drift errors in an angular rate sensor(用于修正角速率傳感器中的漂移誤差的方法和設(shè)備)，由ZexelCorporation Daihatsu-Nissan申請，日本東京，1991年8月。
非專利文獻4Holger Junker，Jamie Ward，Paul Lukowicz，以及Gerhard Troster的Continuous recognition of arm activities withbody-worn inertial sensors(利用身體佩戴的慣性傳感器連續(xù)識別手臂活動)，Proceedings of the 8thInternational Symposium on WearableComputers，2004。
非專利文獻5Paul Lukowicz，Jamie Ward，Holger Junker，Mathias Stager，Gerhard Troster，Amin Atrash，以及Thad Starner的Recognizing workshop activity using body-worn microphones andaccelerometers(利用身體佩戴的麥克風(fēng)和加速度計的識別工場活動)，Second IEEE International Conference on Pervasive Computing andCommunications，2004。
非專利文獻6Thomas P.Minka的Old and new matrix algebrauseful for statistics(對統(tǒng)計學(xué)有用的舊、新矩陣代數(shù))，技術(shù)報告，Massachusetts Institute of Technology，2000。
非專利文獻7Bruno Scherzinger的美國專利6,853,909Walkingstick navigator for position determination(用于位置確定的手杖導(dǎo)航儀)，由Applanix Corporation，Inc.申請，安大略省，加拿大，2002年11月。
非專利文獻8Douglas Smith，Aaron Joseph，David Boone，Robert Borchers，以及Ernest Burgess的美國專利5,485,402Gaitactivity monitor(步伐活動監(jiān)視器)，由Prosthetics Research Study申請，西雅圖，WA，1994年3月。
非專利文獻9Mathias Staeger，Paul Lukowicz，以及GerhardTroester的Implementation and evaluation of a 1ow-powersound-based user activity recognition system(低功率基于聲音的用戶活動識別系統(tǒng)的實施和評估)，Eighth International Symposium onWearable Computers(ISWC)，2004。
非專利文獻10Thad Starner，Josh Weaver，以及Alex Pentland的Real-time American sign language recognition using desk andwearable computer-based video(使用桌上和可佩戴基于計算機視頻的實時美國手語識別)，IEEE Transactions on Pattern Analysis andMachine Intelligence，20(12)1371-175，1998年12月。
非專利文獻11Tero Tolonen和Matti Karjalainen的Acomputationally efficient multipitch analysis model(具有計算效率的多傾斜度分析模型)，IEEE Transactions on Speech and AudioProcessing，8(6)，2000年11月。
專利文獻1Robert Levi和Thomas Judd的美國專利5,583,776Dead reckoning navigational system using accelerometer to measurefoot impacts(使用加速度計測量足部沖撞的航位推算導(dǎo)航系統(tǒng))，由Point Research Corporation申請，Santa Ana，CA 1995年3月。
專利文獻2Christopher Townsend和Steven Arms的美國專利6,834,436Posture and body movement system(姿態(tài)和身體運動系統(tǒng))。由MicroStrain，Inc.申請，Williston，VT，2002年2月。

發(fā)明內(nèi)容
然而，歷史已經(jīng)證明，由于這些傳感器對震動、溫度、電噪聲等的靈敏度，用慣性傳感器獲得準確的運動測量是相當(dāng)困難的。例如，陀螺儀(角速率傳感器)具有在非專利文獻3中必須慮及的對溫度的依賴性。由于這些裝置將典型地具有影響其輸出的任意偏移和比例因子，因此還需要校準。
此外，慣性傳感器不具有對象的參考系的概念，并且測量總是與物理傳感器相關(guān)。其一個例外是，適當(dāng)定向的加速度計可以測量地球的重力場，因而提供一種確定向下方向的方法。為了使該方法奏效，該加速度計必須不能承受任何其他未知加速度。
因此，從上述問題的觀點來看，期望使用慣性傳感器執(zhí)行活動識別，而不對慣性傳感器相對于對象的參考系的取向提出任何預(yù)置條件，從而允許在實施用于活動識別的系統(tǒng)中更具有靈活性。
根據(jù)本發(fā)明的一個實施例，提供了一種用于確定對象活動的活動識別設(shè)備。該活動識別設(shè)備包括傳感器單元，該傳感器單元包括多個被配置為檢測線性運動的線性運動傳感器以及多個旋轉(zhuǎn)運動傳感器，這些線性運動彼此正交，這些旋轉(zhuǎn)運動彼此正交；以及計算單元，其被配置為接收和處理來自包括在傳感器單元中的傳感器的信號，以便確定對象的活動。該傳感器單元直接或間接地由對象支撐，并且相對于對象具有任意取向；并且該計算單元執(zhí)行處理，該處理利用來自線性運動傳感器和旋轉(zhuǎn)運動傳感器的信號，以便不依賴于傳感器單元的取向而確定活動。
根據(jù)本發(fā)明的另一個實施例，提供了一種確定對象的活動的活動識別方法。該方法包括對三個正交軸上的加速度和圍繞該三個正交軸的角速度進行采樣；以及使用所有所采樣的加速度和角速度確定對象的活動。在該方法中，通過集成到單個單元中的傳感器檢測加速度和角速度，其中該單個單元直接或間接地由對象支撐，并且相對于對象具有任意取向；以及通過使用加速度和角速度執(zhí)行活動的確定，以便不依賴于傳感器單元的取向而確定活動。
根據(jù)本發(fā)明的另一個實施例，提供了一種使計算機通過確定對象的活動而執(zhí)行活動識別的程序、或者存儲這種程序的記錄介質(zhì)、或者被編碼為使計算機執(zhí)行這種程序的信號。該程序包括接收三個正交軸上的加速度和圍繞該三個正交軸的角速度的數(shù)據(jù)；以及使用所有接收到的加速度和角速度的數(shù)據(jù)確定對象的活動。通過集成到單個單元中的傳感器檢測加速度和角速度，其中該單個單元直接或間接地由對象支撐，并且相對于對象具有任意取向；以及通過使用加速度和角速度執(zhí)行活動的確定，以便不依賴于傳感器單元的取向而確定活動。
在本發(fā)明的實施例中，該傳感器單元直接或間接地由對象支撐，并且具有任意取向。換句話說，來自傳感器單元的信號沒有關(guān)于傳感器相對于用戶坐標的取向的信息。然而，整個傳感器單元的不同運動對應(yīng)不同的對象活動。
因此，可以通過檢測整個傳感器單元的運動，以及通過將所檢測的運動與對應(yīng)的對象活動或有關(guān)該活動的對應(yīng)的運動特征相關(guān)聯(lián)，從而不依賴于傳感器單元的取向來確定對象的活動。
根據(jù)本發(fā)明，可能使用慣性傳感器執(zhí)行活動識別，而不對慣性傳感器相對于對象的參考系的取向提出任何預(yù)置條件，從而允許在實施用于活動識別的系統(tǒng)中具有更高的靈活性。


從以下結(jié)合附圖對本發(fā)明的當(dāng)前優(yōu)選示例性實施例的描述中，本發(fā)明的上述和其他目的、特征和優(yōu)勢將變得更加明顯，在附圖中圖1是根據(jù)本發(fā)明的實施例的活動識別設(shè)備的框圖；圖2是根據(jù)本發(fā)明的實施例的活動識別設(shè)備的總體視圖；圖3A和3B是用于不同使用情景的活動識別設(shè)備的示意圖；圖4是根據(jù)本發(fā)明的實施例的物理模塊(IMU)的總體視圖；圖5是當(dāng)使用參考運動X時確定IMU在用戶身體上的位置的方法的處理流水線的概要圖；圖6是跟蹤IMU運動的方法的處理流水線的概要圖；圖7是示出了用于直接計算鉛錘模型中的四元表示所需的半角的正弦和余弦的幾何結(jié)構(gòu)的示意圖；圖8A和圖8B示出了運動特征的示例序列，并且圖8C示出了根據(jù)本發(fā)明一個實施例的對兩個序列的匹配；以及圖9是根據(jù)本發(fā)明一個實施例的用于比較運動特征的方法的計算單元的示意圖。
具體實施例方式
參考附圖描述本發(fā)明的實施例。
圖1示出了根據(jù)本發(fā)明一個實施例的用于確定對象活動的活動識別設(shè)備的配置例子。該設(shè)備包括傳感器單元10和計算單元20。該傳感器單元10包括多個被配置為檢測線性運動的線性運動傳感器以及多個旋轉(zhuǎn)運動傳感器，這些線性運動彼此正交，這些旋轉(zhuǎn)運動彼此正交。計算單元20被配置為接收和處理來自包括在傳感器單元中的傳感器的信號，以便輸出對象的活動。傳感器單元10直接或間接地由對象支撐，并且相對于對象具有任意取向。該計算單元20執(zhí)行計算，該計算利用來自線性運動傳感器和旋轉(zhuǎn)運動傳感器的信號，以便不依賴于傳感器單元的取向而確定活動。
該多個線性運動傳感器可以是用于測量三個正交軸上的加速度的三個加速度計，并且該多個旋轉(zhuǎn)運動傳感器可以是用于測量圍繞該三個正交軸的角速度的三個陀螺儀傳感器。該計算單元20可以使用來自加速度計和陀螺儀傳感器的六個輸出，以便確定對象的當(dāng)前活動。
該計算單元可以包括緩沖器，其被配置為存儲在預(yù)定的時間段由多組傳感器輸出形成的觀測序列；存儲器，其被配置為存儲多個參考序列，該參考序列對應(yīng)不同活動的運動特征；以及匹配處理器，其被配置為用觀測序列匹配參考序列，以便找到最佳匹配參考序列。進而，該匹配處理器可以找到觀測序列與參考序列之一之間的最優(yōu)旋轉(zhuǎn)和時間對應(yīng)性，以便獲得最佳匹配參考序列。
此外，參考序列可以包括表示隱藏馬爾可夫模型(HiddenMarkov Model)中狀態(tài)的多個向量；并且利用維特比(Viterbi)算法來執(zhí)行觀測序列和參考序列之間的匹配以獲得最優(yōu)狀態(tài)路徑。
作為替換，計算單元還可以通過計算來自線性運動傳感器的信號的自相關(guān)和來自旋轉(zhuǎn)運動傳感器的信號的自相關(guān)，并且對這些自相關(guān)進行求和來獲得總自相關(guān)函數(shù)，從而檢測對象的步伐的速率；并且該總自相關(guān)函數(shù)可以用于確定對象步伐的速率。
作為替換，計算單元還可以通過借助對來自旋轉(zhuǎn)運動傳感器的信號進行積分而計算第一旋轉(zhuǎn)，借助使用重力模型和來自線性運動傳感器的信號而計算第二旋轉(zhuǎn)，以及執(zhí)行第一和第二旋轉(zhuǎn)的加權(quán)插值，從而檢測傳感器單元的旋轉(zhuǎn)。此外，如果來自旋轉(zhuǎn)運動傳感器的信號差異比較小，則用于第一旋轉(zhuǎn)的權(quán)重比較大；并且如果來自線性運動傳感器的信號差異比較小，則用于第二旋轉(zhuǎn)的權(quán)重比較大。
作為替換，該活動識別設(shè)備還可以包括存儲器，其被配置為存儲用于參考活動的參考運動特征和相應(yīng)位置。此外，計算單元還可以通過確定用來自傳感器的信號表示的當(dāng)前活動是否是參考活動，來檢測傳感器單元在對象上的位置，并且如果當(dāng)前活動是參考活動，則用對應(yīng)當(dāng)前活動的運動特征匹配參考運動特征，以便確定對應(yīng)于最佳匹配參考運動特征的傳感器單元位置。
根據(jù)本發(fā)明的另一個實施例，提供了一種確定對象活動的活動識別方法。該方法包括對三個正交軸上的加速度和圍繞該三個正交軸的角速度進行采樣；以及使用所有所采樣的加速度和角速度確定對象的活動。此外，通過集成到單個單元中的傳感器檢測加速度和角速度，其中該單個單元直接或間接地由對象支撐，并且相對于對象具有任意取向；以及通過使用加速度和角速度執(zhí)行活動的確定，以便不依賴于傳感器單元的取向而確定活動。
根據(jù)本發(fā)明的另一個實施例，提供了使計算機通過確定對象活動而執(zhí)行活動識別的程序。該程序包括接收三個正交軸上的加速度和圍繞該三個正交軸的角速度的數(shù)據(jù)；以及使用所有接收到的加速度和角速度的數(shù)據(jù)確定對象的活動。此外，通過集成到單個單元中的傳感器檢測加速度和角速度，其中該單個單元直接或間接地由對象支撐，并且相對于對象具有任意取向；以及通過使用加速度和角速度執(zhí)行活動的確定，以便不依賴于傳感器單元的取向而確定活動。
下面描述根據(jù)本發(fā)明的再一個實施例。在以下實施例中，提供了能夠進行活動識別、并且包括傳感器單元和計算單元的系統(tǒng)。在以下實施例中，假設(shè)傳感器單元由人類對象“支持”，并且計算單元基于來自傳感器單元的輸出確定人類對象的當(dāng)前活動的類型。
(1)系統(tǒng)概要在本實施例中，如圖2所示，使用六個自由度(DOF)的慣性傳感器作為傳感器單元10，以便對各種普通人類活動進行實時分類。在以下描述中，術(shù)語“傳感器”表示6-DOF慣性傳感器，并且“用戶”表示攜帶或者佩戴該傳感器的人類對象1。此外，術(shù)語“裝置”表示將具有該傳感器的慣性測量單元(IMU)與上述計算單元20組合起來的本系統(tǒng)，用于執(zhí)行用戶活動的分類方法的步驟。分類結(jié)果可以被輸出或傳送到應(yīng)用程序。
雖然過去嘗試過使用慣性傳感器測量人類活動，定義特性的本系統(tǒng)的能力是在人類身體上的幾乎任何地方以任何傳感器取向完全自動地操作。在本實施例中，該系統(tǒng)包含用于用戶活動和裝置狀態(tài)的不同方面的四種不同方法，每一種方法都可以在不對傳感器取向提出任何預(yù)置條件的情況下執(zhí)行。該方法包括用于步伐頻率測量的方法21、用于在用戶上定位該裝置的方法22、用于運動跟蹤的方法23、以及用于旋轉(zhuǎn)不變的維特比匹配的方法24(見圖2)。
該傳感器可以由用戶直接或間接地支撐或保持。例如，以下耦合方法(非窮舉的)是可能的●用戶將該傳感器拿在手中。
●用戶將該傳感器攜帶在其佩戴的錢包或背包中。
●該傳感器嚴格地或半嚴格地附著在用戶的身體或服裝上。
●該傳感器掛在用戶的脖子或腰上。
●該傳感器被集成到用戶的鞋、首飾、帽子、手套、便攜式電子裝置、或者其一般使用包括被用戶佩戴或攜帶的任何其他物體的結(jié)構(gòu)中。
●該傳感器附著或放置在同時運載該用戶的交通工具內(nèi)。
即使在該傳感器以任何的任意形式耦合到用戶的情況下，只要傳感器的運動與用戶的運動具有關(guān)系，就可以應(yīng)用本實施例。
(2)物理裝置為了對本實施例進行簡單和具體的描述，假設(shè)6-DOF慣性傳感器由測量x、y、和z方向的線性加速度，以及圍繞x、y、和z軸的角速度的部件組成。然而，以下描述的方法可以一般地適應(yīng)于用于測量6-DOF的其他方案。
在本實施例中，如圖3A所示，該系統(tǒng)可以包括嵌入到主機裝置30a中的傳感器微片10a和計算單元20。傳感器微片10a包括6-DOF慣性傳感器10a-1和用于將傳感器數(shù)據(jù)發(fā)送到計算單元20a的無線發(fā)射機10a-2。作為替換，可以設(shè)置存儲器代替無線發(fā)射機10a-2，用于在某個時間段內(nèi)存儲傳感器數(shù)據(jù)。當(dāng)傳感器微片10a連接到主機裝置30a時，所存儲的數(shù)據(jù)可以被傳送到計算單元20a。
作為替換，包括6-DOF慣性傳感器10b和計算單元20b的整個系統(tǒng)可以嵌入在如圖3B所示的諸如蜂窩電話或便攜式游戲設(shè)備的單個主機裝置30b中。
(3)傳感器信號調(diào)節(jié)和校準以下，描述了對來自傳感器的原始傳感器數(shù)據(jù)的計算處理，以便實時地產(chǎn)生對用戶活動的分類。首先，定義了表示傳感器的原始輸出的一些符號u(t)=si(t)sj(t)sk(t)∈R3---(1)]]>v(t)=sθ(t)sφ(t)sψ(t)∈R3---(2)]]>來自裝置的傳感器的每個采樣都包含式(1)和(2)中指定的六個值。u(t)傳感器值與該裝置沿i、j、和k軸的加速度線性地成比例?？梢钥紤]例如通過MEMS加速度計或類似裝置來測量這些值。v(t)傳感器值與該裝置圍繞i、j、和k軸的角速度線性地成比例。可以考慮例如從MEMS陀螺儀或類似裝置來獲得這些值。圖4示出，所有測量都相對于裝置本身的本地坐標系(i-j-k)中的基礎(chǔ)方向進行。
如果假設(shè)p(t)∈R3是該裝置在任何世界坐標系(例如圖4中的x-y-z)中的位置，g(t)∈R3是本地坐標系中的地球重力場的加速度，并且q(t)∈R3是裝置在其本地坐標系中的取向，則可以寫作
u(t)＝A[2p(t)+g(t)]+u0+∈u(t) (3)v(t)＝Bq(t)+v0+∈u(t) (4)所有梯度都是相對于該裝置的本地坐標系而取的。A和B是3乘以3的縮放矩陣。對角元素指定將傳感器輸出(例如電壓)轉(zhuǎn)換成標準物理單位(例如m/s2和o/s)的比例因子(也稱為靈敏度)。同時，非對角元素描述由輕微的未對準(例如，θ和φ陀螺儀之間的角度并不恰好為90°)引起的傳感器之間的串話。由典型傳感器表現(xiàn)出的任意偏移(也稱為偏離)由u0和v0表示。為每個傳感器指定包括量化噪聲的傳感器噪聲，作為隨機變量序列，∈u(t)以及∈v(t)。
式(3)和(4)描述了該裝置的實際運動如何被轉(zhuǎn)變成傳感器測量結(jié)果。如果使用(3)和(4)中的表達式解決加速度和角速度，則可以獲得下列表達式2p(t)＝A-1[u(t)-u0-∈u(t)]-g(t) (5)q(t)＝B-1[v(t)-v0-∈v(t)] (6)信號校準包括確定A、u0、B、及v0的值。取決于在IMU內(nèi)部使用的實際部件，這些值可以取決于制造條件、環(huán)境溫度、驅(qū)動電壓等。然而，只有用于運動跟蹤的方法需要知道這些參數(shù)。這里給出的所有其他方法21-22和24可以使用未校準的傳感器值。
最終，以給定速率對來自IMU的連續(xù)信號進行采樣并且將其傳送到計算單元，或者信號離開已經(jīng)被數(shù)字化的IMU。對于此說明書的剩余部分，令rimu是IMU輸出的數(shù)字采樣速率。因而，IMU的數(shù)字化輸出可以被寫作u[t]＝u(t/rIMU) (7)v[t]＝v(t/rIMU) (8)t＝0，1，2，... (9)(4)用于步伐頻率測量的方法此節(jié)描述了用于確定用戶活動的我們的方法，諸如確定用戶是步行還是跑還是沒有運動，以及跟蹤他/她的步伐的速率。此方法對裝置在用戶身體上的任何位置都有效。用于步伐檢測和跟蹤的此方法包括跟蹤加速度傳感器的輸出中明顯的重復(fù)運動的周期。
用于檢測和測量周期性信號的周期的一般方法是通過尋找信號的自相關(guān)中的峰。為了看看加速度傳感器輸出的自相關(guān)u如何與IMU的實際加速度的自相關(guān)2p關(guān)聯(lián)，可以將第i幀的(多元)自相關(guān)寫作u*u=Σi=0Ngaitu[i]·u[i+t]---(10)]]>=φ1+φ2+φ3]]>其中*表示互相關(guān)操作符，并且φ1＝(A2p*A2P)+(Ag*Ag)φ2＝2(A2p*Ag)φ3＝2(A2p*∈u+A2p*u0)+2(u0*∈u)+(u0*u0)+(∈u*∈u)式(10)的第一項φ1是包含IMU的加速度和重力(僅取決于IMU的取向)的周期性的最重要的項。第二項φ2是加速度和重力之間的互相關(guān)。對于涉及人類身體的任何種類的自然重復(fù)運動，相當(dāng)?shù)乇ＷCg(t)和2p具有相同周期性，因而建設(shè)性地相加其自相關(guān)φ1以及互相關(guān)φ2。最終項φ3包括很多項噪聲和偏移的相關(guān)。這些相關(guān)將不顯示出任何周期性，并且僅簡單地向式(10)的最終自相關(guān)添加噪聲和常數(shù)偏離。陀螺儀傳感器輸出的自相關(guān)的有效性v遵從剛好相同的論點。
在實踐中，選擇在其上實行自相關(guān)分析的小的時間間隔，并且選擇執(zhí)行該分析的速率。令Tgait是用于一個步伐分析幀(例如傳感器數(shù)據(jù)的區(qū)間)的時間長度，并且令rgait是步伐分析的速率。因而，在式(10)中， 是一個分析幀中的向量數(shù)目。
本發(fā)明包括計算u和v的自相關(guān)，并且對結(jié)果求和以便得到IMU的總運動的總自相關(guān)函數(shù)(SACF)p[t]＝(u*u)[t]+(v*v)[t] (12)對于效率和瞬時清晰度的改進，使用Wiener-Khinchin定理以計算加窗的自相關(guān)。總的來說，如果x[t]是任意序列，X[ω]＝F{x}是離散傅立葉(Fourier)變換(DFT)，并且W[ω]＝F{w}是窗口(諸如Hamming窗)函數(shù)的DFT，則
x*x＝F{|W*X|2} (13)使用快速傅立葉變換(FFT)計算式(13)中的DFT得到對于式(12)中自相關(guān)的非常有效的計算。
ACF的峰對應(yīng)數(shù)據(jù)中任何循環(huán)運動的周期。然而，由于ACF還將包括任何循環(huán)的真實周期的整數(shù)倍數(shù)處的峰，使用類似于非專利文獻11中介紹的峰剪除過程，以便計算增強的總自相關(guān)函數(shù)(ESACF)。此峰剪除技術(shù)如下剪除-諧波(PRUNE-HARMONICS)(SACF)返回ESACF1.將SACF鉗位為正值。
2.通過兩倍的因子進行加密采樣和插值。
3.從所鉗位的原始值中減去加密采樣版本。
4.再次鉗位為正值。
5.以素數(shù)因子次數(shù)3、5、7等重復(fù)2-4。
此過程的目的是順序除去每個峰的所有倍數(shù)，因而僅留下基本周期。
現(xiàn)在，如果選擇了最高峰(用于非零延時)和閾值，可能確定何時具有循環(huán)運動(例如步行)，以及其以何種頻率(pitch)發(fā)生。如果τ*是ESACF中的最高峰的滯后，則步態(tài)的頻率為Pgait=rIMUτ*---(14)]]>如果沒有超過某個閾值(定義為分析區(qū)間中的信號中的能量百分比)的值的峰，則該系統(tǒng)可以產(chǎn)生該用戶沒有在步行或跑的報告(步伐頻率＝0Hz)。由于步伐頻率隨時間改變，對于每個連續(xù)分析區(qū)間，重復(fù)進行以上分析，以rgait的速率產(chǎn)生步伐頻率估計。
(5)用于運動跟蹤的方法在此節(jié)中，提供了用于無論裝置的取向如何改變或移動而跟蹤下行方向并且連續(xù)前進的方法23。此方法假設(shè)來自IMU的輸出已經(jīng)被校準。
陀螺儀感測數(shù)據(jù)的3軸包括足夠的信息以便跟蹤IMU的取向。然而，所有陀螺儀都遭受漂移的積累和其他類型誤差的問題。因而，僅使用陀螺儀信息跟蹤取向雖然在短期內(nèi)相當(dāng)準確，但是導(dǎo)致長期的大的跟蹤誤差。
3軸加速度感測數(shù)據(jù)包括關(guān)于地球重力牽引的方向的信息?？梢允褂玫厍蛑亓恳较虻闹R以便最多在兩個自由度上無漂移地跟蹤IMU的取向。以此種方式僅使用加速度計的問題在于，當(dāng)IMU被進行作用(由某種外力移動)時，對地球重力牽引的估計不正確。
人類用恒定加速度或速度運動或移動另一對象是很難的，也是不自然的。類似地，對于旋轉(zhuǎn)，人類很難用恒定角速度旋轉(zhuǎn)或者旋轉(zhuǎn)另一對象。
為了穩(wěn)健地估計向下方向，當(dāng)加速度計信號為恒定時，優(yōu)選地更加依賴于加速度測量，因為很可能人類并沒有作用于該裝置。相反，當(dāng)加速度計信號不恒定時，優(yōu)選地更加依賴于陀螺儀測量結(jié)果。
該原理也應(yīng)用于陀螺儀信號的在線歸零。換句話說，當(dāng)陀螺儀測量結(jié)果恒定時，優(yōu)選地對陀螺儀測量結(jié)果進行歸零。幸運地，當(dāng)主要依賴于加速度測量結(jié)果用于跟蹤時，這也是正確的。
圖6示出了用于運動跟蹤方法的計算流水線。來自包括傳感器的IMU 40的線性加速度數(shù)據(jù)410用于計算僅有重力作用于IMU 40的置信度412，并且作為到鉛錘模型414的輸入(后面將解釋)。來自IMU40的角速度數(shù)據(jù)420用來計算IMU 40沒有旋轉(zhuǎn)的置信度422，并且作為到陀螺儀整合(integration)模塊424的輸入。
鉛錘模型(Plumb Model)414和陀螺儀整合424輸出對IMU的取向的單獨估計，即Q鉛錘和Q陀螺儀(將在后面描述)。接著使用置信度分數(shù)組合Qplumb和Qgyro以一個對另一個加權(quán)(430)，以便執(zhí)行加權(quán)插值，以計算估計的IMU取向。陀螺儀整合計算相對于前一時間步的取向的取向，因而需要反饋。
鉛錘模型414給出了對取向的絕對估計，因而不需要反饋。
(5.1)鉛錘模型鉛錘模型使用地球重力牽引來測量取向，盡管只有兩個自由度。簡短地說，此模型輸出將當(dāng)前向下向量映射到IMU 40的坐標系中的單位參考向量r的旋轉(zhuǎn)(見圖4)。可以任意選擇此參考向量，或者可以在歸零過程中選擇此參考向量。所得旋轉(zhuǎn)用四元數(shù)組形式給出Qplumb[t]=ax[t]sin(θ[t]/2)ay[t]sin(θ[t]/2)az[t]sin(θ[t]/2)cos(θ[t]/2)---(15)]]>其中a[t]＝(ax[t]，ay[t]，az[t])T是旋轉(zhuǎn)軸，并且θ[t]是旋轉(zhuǎn)角。向下向量正好是歸一化的線性加速度(假設(shè)沒有重力以外的力作用在IMU 40上)d[t]=u[t]u[t]Tu[t]---(16)]]>參考向量和向下向量的向量積給出了旋轉(zhuǎn)軸a[t]＝d[t]×r (17)從圖7直接計算sin(θ[t]/2)和cos(θ[t]/2)(不使用很難在嵌入式應(yīng)用中實施的反三角函數(shù))sin(θ[t]/2)=|r+d[t]|2---(18)]]>cos(θ[t]/2)=|r-d[t]|2---(19)]]>(5.2)陀螺儀整合陀螺儀整合的角速度測量是直接的。需要IMU的前一取向Q[t-1]作為輸入。首先，每個軸向旋轉(zhuǎn)被表示為本地坐標中的四元數(shù)組旋轉(zhuǎn)(圖4中的i-j-k)qi＝(cos(sθ[t]/2)，(1，0，0)Tsin(sθ[t]/2)) (20)qj＝(cos(sφ[t]/2)，(0，1，0)Tsin(sφ[t]/2)) (21)qk＝(cos(sψ[t]/2)，(0，0，1)Tsin(sψ[t]/2)) (22)然后，使用IMU的前一取向Q[t-1]，這些本地四元數(shù)組被旋轉(zhuǎn)為世界坐標系
Qi＝(cos(sθ[t]/2)，Q[t-1](1，0，0)TQ[t-1]-1sin(sθ[t]/2)) (23)Qj＝(cos(sφ[t]/2)，Q[t-1](0，1，0)TQ[t-1]-1sin(sφ[t]/2)) (24)Qk＝(cos(sψ[t]/2)，Q[t-1](0，0，1)TQ[t-1]-1sin(sψ[t]/2)) (25)并且將其組合為表示下一取向的一個四元數(shù)組。
Qgyro[t]＝QiQjQk(26)(6)用于比較運動特征的方法此節(jié)中呈現(xiàn)的方法24(見圖2)解決如何比較使用具有未知取向的IMU而收集的未同步運動特征的問題。例如，典型應(yīng)用將需要將實時信號與運動特征的數(shù)據(jù)庫進行匹配。然而，IMU的取向可能與用于產(chǎn)生數(shù)據(jù)庫中的運動特征的IMU的取向任意地不同。此外，必須確定使測試信號與數(shù)據(jù)庫中的運動特征在時間上對準的正確方法。
為了找到最優(yōu)旋轉(zhuǎn)、以及兩個運動特征之間的時間對應(yīng)性，設(shè)計了根據(jù)本實施例的旋轉(zhuǎn)不變維特比算法(RIVIT)。假設(shè)正在考慮的兩個序列由其列是加速度和角分量的堆疊值的矩陣表示，X=UXVX=uX
···uX[TX-1]vX
···vX[TX-1]---(27)]]>Y=UYVY=uY
···uY[TY-1]vY
···vY[TY-1]]]>序列X和Y的長度分別是TX和TX。
圖8A和圖8B示出了可能具有不同長度以及其間具有任意旋轉(zhuǎn)的兩個多維序列的例子。這個具體的例子是坐下動作的運動特征的序列，但是在每種情況下，IMU的取向都不同。此外，圖8A中的坐下運動比圖8B中的快。
為了計算對于某種任意旋轉(zhuǎn)和某種任意時間規(guī)整的這兩個序列之間的相似性，該問題可以被陳述為通過作為旋轉(zhuǎn)矩陣R以及對應(yīng)性矩陣C的自由參數(shù)，將以下測量最小化DR，C(X，Y)＝tr((Y-RXC′)′(Y-RXC)) (28)其中符號“′”意味著轉(zhuǎn)置矩陣。對應(yīng)性矩陣是將X的時間維度(列)映射到Y(jié)的時間維度(列)上的特殊種類的投影矩陣。假設(shè)我們有一個函數(shù)c(t)，該函數(shù)將{0，1，...，TX-1}中的每個整數(shù)分配給{0，1，...，TY-1}中的整數(shù)。其對應(yīng)性矩陣可以構(gòu)建如下Cij=0c(i)≠j1c(i)=j---(29)]]>在最小化DR，C(X，Y)的同時，優(yōu)選地將C限制為其中對應(yīng)的c(t)非下降的矩陣。圖8C給出了可能映射的例子。最優(yōu)C映射確定X應(yīng)該如何伸展和壓縮(可能刪除一些部分并且重復(fù)另一些部分)，以便與Y對齊。最優(yōu)旋轉(zhuǎn)矩陣R確定X中的全部向量應(yīng)該如何旋轉(zhuǎn)，以便它們匹配Y中的向量。
在此使用的最小化表達式(28)的方法稱為坐標下降法(非專利文獻1)。它是簡單的迭代方法，容易適應(yīng)于并行計算。該想法是在每個迭代中沿一個單個軸最小化誤差函數(shù)?？梢钥闯?，這大大簡化了最小化問題，并且當(dāng)通過每個軸循環(huán)，連續(xù)地最小化每個坐標時，已知該式將收斂到局部最小值。如果對R和C沒有限制，則由于DR，C(X，Y)是凸的，此局部最小值也將是全局最小值。然而，在本實施例中具有限制，因此只能保證局部。在下一節(jié)中，描述了如何對于每個軸R和C最小化該誤差函數(shù)。
(6.1)通過R最小化DR，C(X，Y)提供一種用于僅通過R最小化DR，C(X，Y)的簡單方法。讓我們定義R*(C)≡argminRDR,C(X,Y)---(30)]]>對此最小化問題的解公知為極分解(見非專利文獻6中的詳細推導(dǎo))，并且該解是R*(C′)＝VU′ (31)從XCY′＝UDV′的奇異值分解(SVD)獲得矩陣V和U。應(yīng)該注意XCY’的大小為6乘以6，因此SVD的代價與序列長度無關(guān)。
本申請的發(fā)明人發(fā)現(xiàn)，限制R是有益的，使得將相同旋轉(zhuǎn)施加到陀螺儀和加速度計分量。這意味著希望R的結(jié)構(gòu)是如下的塊對角矩陣R=Q00Q---(32)]]>其中Q是3乘以3的旋轉(zhuǎn)矩陣?？梢酝ㄟ^計算Q＝VU′容易地滿足此限制，但是這一次，V和U是從UXCUY′+VXCVY′＝UDV′的SVD獲得的。
(6.2)通過C最小化DR，C(X，Y)還有一種使用動態(tài)時間規(guī)整(DTW)僅通過C最小化DR，C(X，Y)的方法。如同前面，讓我們定義C*(R)≡argminCDR,C(X,Y)---(33)]]>計算基礎(chǔ)映射函數(shù)c(t)，而不是直接作為矩陣尋找C。令Y序列的向量表示具有左-右拓撲的隱藏馬爾可夫模型(HMM)中的狀態(tài)。使用維特比算法，用序列X與HMM進行匹配，以提供最優(yōu)路徑序列。第iHMM狀態(tài)(表示Y的第i個向量)在X的第j向量上的分數(shù)被計算為平方歐幾里德(Euclidean)距離logP(st＝i|Yi，Xj)＝-(RXj-Yi)′(RXj-Yi) (34)這等效于使用中心為X的向量的單位方差高斯(unit varianceGaussian)，以便表示每個HMM狀態(tài)的輸出分布，st∈{0，1，...，TY-1}。躍進概率為logP(st=i|st-1=j)=log∈j<i-log2j=i-K(i-j-1)2rIMU-j>i---(35)]]>其中K是通過實驗確定的常數(shù)(在我們的實驗中近似為(100/128)Hz)，并且ε是某個非常小的數(shù)。作為替換，躍進概率可以通過使用訓(xùn)練數(shù)據(jù)來確定。
使用具有上述指定參數(shù)的HMM來表示Y，以及觀測序列表示X，使用標準維特比算法來尋找貫穿HMM的最優(yōu)(最大似然)狀態(tài)路徑{st*}。根據(jù)c(t)＝st*，此狀態(tài)路徑把X中的每個向量分配給Y中的向量。接著，可以直接從c(t)計算此對應(yīng)性矩陣，如上所述。應(yīng)該注意，在實際實施中，通過直接使用c(t)，更加有效率地計算矩陣乘積XC，以便從X構(gòu)建XC。
(6.3)確定初始條件如同所有下降方法，坐標下降方法需要用于至少一個坐標的初始值。通過坐標下降找到的局部最小值的質(zhì)量對此初始值高度敏感。DR，C(X，Y)的最優(yōu)化開始于對C的初始猜測。使用與(6.2)節(jié)相同過程計算C的初始值，但是式(34)由下式替換logP(st＝i|Yi，Xj)＝-(Xj·Xj-Yi·Yi)2(36)因此對旋轉(zhuǎn)矩陣R不具有依賴性。在這種方法中，不需要旋轉(zhuǎn)矩陣來尋找X和Y之間的近似映射c(t)。
(6.4)計算X和Y之間的失真以下，呈現(xiàn)了用于最小化誤差函數(shù)從而計算兩個運動特征之間的失真測量的過程，該過程稱為失真(DISTORTION)。令i表示迭代，C0表示如(6.3)節(jié)中所計算的對C的初始猜測，并且ε是用來檢測收斂的停止的判據(jù)DISTORTION(X，Y，C0，∈)returns Dfinal1.Initialize R0←R*(C0)，δ←1，i←12.While δ＞∈3.Ci←C*(Ri-1)4.Ri←R*(Ci)5.Di←DR4，C4(X，Y)6.δ←|Di-Di-1|7.i←i+18.Dfinal←DiR*(C)和C*(R)分別是(6.1)和(6.2)節(jié)中給出的過程?？偟膩碚f，失真過程利用以上概述的坐標下降方法通過R和C計算DR，C(X，Y)局部最小值。返回的值Dfinal是對X和Y之間的不相似性的測量，該測量對任何旋轉(zhuǎn)或時間規(guī)整都是不變的。
(6.5)裝置配置此節(jié)中描述的用于比較運動特征的方法可以通過計算單元20實現(xiàn)，該計算單元20可以包括用于執(zhí)行該方法的處理步驟的CPU和存儲器。更具體地，例如，該計算單元20可以包括緩沖器22、旋轉(zhuǎn)不變維特比(RIVIT)處理部24、隱藏馬爾可夫模型(HMM)存儲器26、以及輸出部28。
緩沖器22接收并存儲采樣的傳感器輸出以構(gòu)建觀測序列X，該觀測序列X表示與對象的當(dāng)前活動對應(yīng)的運動特征。觀測序列X被送到用于尋找最優(yōu)旋轉(zhuǎn)和與序列Y(由存儲在HMM存儲器26中的HMM表示的序列之一)的時間對應(yīng)性的RIVIT處理部24。在RIVIT處理部24中，可以首先確定最優(yōu)旋轉(zhuǎn)，然后接著可以通過使用維特比提供最優(yōu)路徑序列，通過用序列X與HMM進行匹配，從而確定最優(yōu)時間對應(yīng)性。
輸出部28接收匹配結(jié)果，并且作為活動識別結(jié)果輸出表示用戶當(dāng)前活動的信號。在本實施例中，假設(shè)可以事先對活動加標記或進行分類，并且與HMM的序列或狀態(tài)進行映射。映射表可以被存儲在輸出部28中，或者可以對HMM的序列或狀態(tài)進行標記。
(7)用于確定身體上的傳感器位置的方法在本節(jié)中，說明用于估計IMU相對于用戶身體的位置的方法22。取決于IMU處于用戶身體的何處，諸如在兜里、拿在左手中、在脖子上等，用戶的任何給定運動將產(chǎn)生不同的測量。相同動作的這些測量差異可以用于推導(dǎo)出IMU的位置。當(dāng)然，為此，一些類型的運動比另一些好。例如，僅涉及左手的運動不能用于區(qū)分IMU在用戶的左兜中的情形和IMU在用戶的右兜中的情形。然而，如步行的運動除左右對稱性之外產(chǎn)生對用戶全身都唯一的測量。
在此節(jié)中，用來確定IMU位置的運動或運動被稱為參考運動。假設(shè)任意參考運動X的整體處理流水線在圖5中描繪。
參考運動的位置不變檢測器用來選通IMU(50)的輸出，并且以此方式，包括參考運動的測試特征的序列到達下一模塊24。例如，如果參考運動是步行，則可以使用用于步伐頻率測量的方法21(第(4)節(jié))作為位置不變檢測器。
在模塊24中，對于各個位置，用測試特征與參考運動特征的無遺漏數(shù)據(jù)庫54匹配。最佳匹配指示IMU的估計位置。對于運動特征的一般匹配，可以使用第(6)節(jié)中的方法。還可能自定義設(shè)計用于具體參考運動的匹配算法，特別是如果是諸如步行的周期性運動。
根據(jù)本實施例，在其最基本的例子中，該裝置連續(xù)地輸出其所計算的作為用戶剛剛執(zhí)行的或正在執(zhí)行的運動。其具體輸出的內(nèi)容由可供該裝置用于匹配的運動數(shù)據(jù)庫來確定。此運動數(shù)據(jù)庫可以是靜態(tài)的或者是動態(tài)的，取決于應(yīng)用需要。
還可能在一種配置中使用該裝置，在該配置中，該裝置不附著于任何人類用戶，而是附著于機器或任何運動對象。這種例子包括交通工具(諸如自行車、汽車、和船)、制造設(shè)備(諸如機器人臂和CNC機器)、植物和動物(諸如狗和貓)、貨物(諸如蛋的筐或不穩(wěn)定液體的桶)。
可以直接使用分類結(jié)果來驅(qū)動應(yīng)用程序，該應(yīng)用程序需要基于用戶作了什么或該時刻正在做什么而配置其自身。這些類型的應(yīng)用程序被稱為情境感知，并且在這種情況下，其情境感知由該裝置來使其有效。
本發(fā)明包含關(guān)于2005年6月9日向日本專利局申請的日本專利申請JP 2005-169507的主題，該申請的全部內(nèi)容作為參考在此引入。
本領(lǐng)域中的技術(shù)人員應(yīng)該理解，可以取決于設(shè)計需要和其他因素發(fā)生各種修改、組合、次組合、以及替換，只要它們在所附權(quán)利要求書或其等效物的范圍內(nèi)。
權(quán)利要求
1.一種用于檢測對象的活動的活動識別設(shè)備，該設(shè)備包括傳感器單元，該傳感器單元包括多個被配置為檢測線性運動的線性運動傳感器，以及多個旋轉(zhuǎn)運動傳感器，這些線性運動彼此正交，這些旋轉(zhuǎn)運動彼此正交；以及計算單元，其被配置為接收和處理來自包括在傳感器單元中的傳感器的信號，以便檢測對象的活動；其中該傳感器單元直接或間接地由對象支撐，并且相對于對象具有任意取向；以及其中該計算單元執(zhí)行計算，該計算利用來自線性運動傳感器和旋轉(zhuǎn)運動傳感器的信號，以便不依賴于傳感器單元的取向而確定對象的活動。
2.根據(jù)權(quán)利要求1所述的活動識別設(shè)備，其中該多個線性運動傳感器是用于測量三個正交軸上的加速度的三個加速度計；該多個旋轉(zhuǎn)運動傳感器是用于測量圍繞該三個正交軸的角速度的三個陀螺儀傳感器；以及該計算單元使用來自該加速度計和該陀螺儀傳感器的六個輸出，以確定對象的當(dāng)前活動。
3.根據(jù)權(quán)利要求1或2所述的活動識別設(shè)備，其中該計算單元包括緩沖器，其被配置為存儲由預(yù)定時間段內(nèi)多組傳感器輸出形成的觀測序列；存儲器，其被配置為存儲多個參考序列，該參考序列對應(yīng)不同活動的運動特征；以及匹配處理器，其被配置為用觀測序列匹配參考序列，以便找到最佳匹配參考序列；其中匹配處理器尋找在觀測序列和參考序列之一之間的最優(yōu)旋轉(zhuǎn)和時間對應(yīng)性，以便獲得最佳匹配參考序列。
4.根據(jù)權(quán)利要求3所述的活動識別設(shè)備，其中該參考序列包括表示隱藏馬爾可夫模型中狀態(tài)的多個向量；以及使用維特比算法執(zhí)行觀測序列和參考序列之間的匹配以便獲得最優(yōu)狀態(tài)路徑。
5.根據(jù)權(quán)利要求1或2所述的活動識別設(shè)備，其中該計算單元還通過計算來自線性運動傳感器的信號的自相關(guān)和來自旋轉(zhuǎn)運動傳感器的信號的自相關(guān)，并且對這些自相關(guān)求和以獲得總自相關(guān)函數(shù)，從而檢測對象步伐的速率；以及該總自相關(guān)函數(shù)用于確定對象步伐的速率。
6.根據(jù)權(quán)利要求1或2所述的活動識別設(shè)備，其中該計算單元還通過借助對來自旋轉(zhuǎn)運動傳感器的信號進行積分而計算第一旋轉(zhuǎn)，借助使用重力模型和來自線性運動傳感器的信號而計算第二旋轉(zhuǎn)，并且執(zhí)行第一和第二旋轉(zhuǎn)的加權(quán)插值，從而檢測傳感器單元的旋轉(zhuǎn)；如果來自旋轉(zhuǎn)運動傳感器的信號的差異較小，則用于第一旋轉(zhuǎn)的權(quán)重較大；以及如果來自線性運動傳感器的信號的差異較小，則用于第二旋轉(zhuǎn)的權(quán)重較大。
7.根據(jù)權(quán)利要求1或2所述的活動識別設(shè)備，還包括存儲器，其被配置為存儲用于參考活動的參考運動特征和相應(yīng)的位置；其中該計算單元還通過以下方式來檢測傳感器單元在對象上的位置通過確定來自傳感器的信號所表示的當(dāng)前活動是否是參考活動，并且如果當(dāng)前活動是參考活動，則用對應(yīng)當(dāng)前活動的運動特征與參考運動特征匹配，以便確定與最佳匹配參考運動特征對應(yīng)的傳感器單元的位置。
8.一種確定對象的活動的活動識別方法，該方法包括對三個正交軸上的加速度和圍繞該三個正交軸的角速度進行采樣；以及使用所有所采樣的加速度和角速度確定對象的活動；其中通過集成到單個單元中的傳感器檢測加速度和角速度，其中該單個單元直接或間接地由對象支撐，并且相對于對象具有任意取向；以及其中通過使用加速度和角速度執(zhí)行該活動的確定，以便不依賴于傳感器單元的取向而確定活動。
9.一種記錄介質(zhì)，該記錄介質(zhì)存儲使計算機通過確定對象的活動而執(zhí)行活動識別的程序，該程序包括接收三個正交軸上的加速度和圍繞該三個正交軸的角速度的數(shù)據(jù)；以及使用所有接收到的加速度和角速度的數(shù)據(jù)確定對象的活動；其中集成到單個單元中的傳感器檢測加速度和角速度，其中該單個單元直接或間接地由對象支撐，并且相對于對象具有任意取向；以及其中通過使用加速度和角速度執(zhí)行該活動的確定，以便不依賴于傳感器單元的取向而確定活動。
全文摘要
本發(fā)明提供了一種活動識別設(shè)備、方法、以及程序，其中用于檢測對象的活動的活動識別設(shè)備包括傳感器單元，該傳感器單元包括多個被配置為檢測線性運動的線性運動傳感器，以及多個旋轉(zhuǎn)運動傳感器，這些線性運動彼此正交，這些旋轉(zhuǎn)運動彼此正交；以及計算單元，其被配置為接收和處理來自包括在傳感器單元中的傳感器的信號，以便檢測對象的活動。該傳感器單元直接或間接地由對象支撐，并且相對于對象具有任意取向。該計算單元執(zhí)行計算，該計算利用來自線性運動傳感器和旋轉(zhuǎn)運動傳感器的信號，以便不依賴于傳感器單元的取向而確定對象的活動。
文檔編號G01D5/00GK1877340SQ20061009167
公開日2006年12月13日 申請日期2006年6月9日 優(yōu)先權(quán)日2005年6月9日
發(fā)明者布賴恩·克拉克森 申請人:索尼株式會社