一種室內(nèi)行人行走模式識別和軌跡追蹤的方法
【專利摘要】本發(fā)明公開了一種室內(nèi)行人行走模式識別和軌跡追蹤的方法，本發(fā)明首先根據(jù)室內(nèi)環(huán)境下地形的特點(diǎn)，以方向和速度為分類依據(jù)，定義了室內(nèi)人員行走的模式；然后用采集的加速度傳感器和地磁傳感器數(shù)據(jù)，運(yùn)用隱含馬爾科夫模型理論（HMM）對室內(nèi)行走模式建立數(shù)學(xué)模型；由于金屬物的干擾和行走過程中身體抖動的影響，室內(nèi)定位系統(tǒng)最初通過航跡推算獲取的軌跡可能存在較大的誤差，本發(fā)明最后根據(jù)隱含馬爾科夫模型的維特比算法計(jì)算每個(gè)行走模式的概率，找出可能性最大的一組行走模式；最后再根據(jù)行走模式的識別結(jié)果，將原來的位置匹配到相應(yīng)的行走模式，從而修正原來的軌跡，獲得室內(nèi)該行人的行走修正軌跡。本發(fā)明能顯著提高室內(nèi)定位和軌跡追蹤的精度。
【專利說明】一種室內(nèi)行人行走模式識別和軌跡追蹤的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及基于慣性傳感器的室內(nèi)行人定位和軌跡追蹤領(lǐng)域，尤其涉及一種基于隱含馬爾科夫模型的室內(nèi)行人行走模式識別和軌跡追蹤的方法。
【背景技術(shù)】
[0002]基于慣性傳感器的室內(nèi)定位是在室內(nèi)環(huán)境下，通過采集和處理手機(jī)中配置的加速度傳感器和地磁傳感器的數(shù)據(jù)來計(jì)算行人行走的步數(shù)和航向角。結(jié)合航跡推算原理，在已知上一個(gè)位置的基礎(chǔ)上，根據(jù)行走時(shí)間段內(nèi)的步數(shù)和航向角推算出行人的當(dāng)前位置。再通過連續(xù)無縫地獲取行人的當(dāng)前室內(nèi)位置，可以得到行人的軌跡。
[0003]基于慣性傳感器的行人軌跡追蹤系統(tǒng)中，可以通過采集加速度傳感器數(shù)據(jù)結(jié)合步態(tài)識別方法計(jì)算出行人行走的步數(shù)。行人的航向角可以由采集的地磁傳感器數(shù)據(jù)獲取。利用獲取的步數(shù)和航向角結(jié)合航跡推算原理可以較為準(zhǔn)確的獲取室內(nèi)行人的位置。但是由于地磁信號非常容易受到金屬物體和其他地磁干擾源的影響，采集的地磁傳感器數(shù)據(jù)會由于這些干擾物而產(chǎn)生較大的誤差。而且行人自主定位時(shí)身體的晃動也會對地磁傳感器和加速度傳感器數(shù)據(jù)的采集產(chǎn)生干擾。不僅如此，這些誤差會隨著定位距離的增長而累積，這種累積誤差大大影響了基于慣性傳感器的室內(nèi)定位和軌跡追蹤系統(tǒng)的精度。
[0004]為了提高室內(nèi)行人定位和軌跡追蹤系統(tǒng)的精度，研究人員提出過很多基于慣性傳感器的室內(nèi)定位方法，它們中有的從宏觀上處理和過濾慣性傳感器數(shù)據(jù)，雖然一定程度上減小了部分干擾的影響，但是并沒有從根本上提高定位的精度。有的方法提出通過添加額外定位設(shè)備例如WiFi，陀螺儀等來輔助校正定位誤差。這種方法顯著提高了精度，但是額外添加的定位設(shè)備大幅度提高了定位的成本，大大降低了本系統(tǒng)的可用性。
[0005]如何在不添加額外設(shè)備的前提下，有效應(yīng)對環(huán)境因素的干擾和身體晃動的影響，準(zhǔn)確識別出室內(nèi)軌跡的異常點(diǎn)，并且修正原來出錯(cuò)的軌跡，顯著提高室內(nèi)定位和軌跡追蹤精度的方法，一直是行業(yè)研究的前沿課題。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的主要目的在于提出并實(shí)現(xiàn)一種利用手機(jī)自帶的慣性傳感器，進(jìn)行室內(nèi)行人行走模式識別，從而實(shí)現(xiàn)準(zhǔn)確的室內(nèi)定位和軌跡追蹤的方法。該方法能夠在不添加額外設(shè)備的前提下，有效應(yīng)對環(huán)境因素的干擾和身體晃動的影響；該方法還能夠準(zhǔn)確識別出室內(nèi)軌跡的異常點(diǎn)，并對原來出錯(cuò)的軌跡異常點(diǎn)進(jìn)行修正，顯著提高室內(nèi)定位和軌跡追蹤的精度。
[0007]本發(fā)明所采用的技術(shù)方案是:一種室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于，包括以下步驟:
[0008]步驟1:利用加速度傳感器和地磁傳感器以自適應(yīng)的采樣頻率采集數(shù)據(jù)，獲得室內(nèi)行人的初始位置數(shù)據(jù)；
[0009]步驟2:利用航跡推算算法計(jì)算室內(nèi)該行人的下一點(diǎn)位置數(shù)據(jù)；[0010]步驟3:重復(fù)執(zhí)行所述的步驟I和步驟2，通過不斷地記錄室內(nèi)行人的位置數(shù)據(jù)，獲得室內(nèi)該行人的行走軌跡；
[0011]步驟4:根據(jù)室內(nèi)普通行人一般行走軌跡的特性建立行走模式的隱含馬爾科夫模型；
[0012]步驟5:根據(jù)建立的隱含馬爾科夫模型和傳感器觀測值識別出室內(nèi)該行人的行走模式，然后將室內(nèi)該行人的行走軌跡匹配到識別出的室內(nèi)該行人的行走模式；
[0013]步驟6:采用了異常點(diǎn)識別、刪除和壞區(qū)修復(fù)的方法對匹配后的行走軌跡進(jìn)行修正，獲得室內(nèi)該行人的行走修正軌跡。
[0014]作為優(yōu)選，步驟I中所述的利用加速度傳感器和地磁傳感器以自適應(yīng)的采樣頻率采集數(shù)據(jù)，其具體實(shí)現(xiàn)包括以下子步驟:
[0015]步驟1.1:輸入三個(gè)連續(xù)時(shí)刻行人行走的方位角hd，hd_1； hd_2 ;其中，d，d-1, d-2為進(jìn)行數(shù)據(jù)采集的三個(gè)連續(xù)時(shí)刻；
[0016]步驟1.2:計(jì)算三個(gè)連續(xù)方位角兩兩之間關(guān)于時(shí)間的導(dǎo)數(shù)
【權(quán)利要求】
1.一種室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于，包括以下步驟: 步驟1:利用加速度傳感器和地磁傳感器以自適應(yīng)的采樣頻率采集數(shù)據(jù)，獲得室內(nèi)行人的初始位置數(shù)據(jù)； 步驟2:利用航跡推算算法計(jì)算室內(nèi)該行人的下一點(diǎn)位置數(shù)據(jù)； 步驟3:重復(fù)執(zhí)行所述的步驟I和步驟2，通過不斷地記錄室內(nèi)行人的位置數(shù)據(jù)，獲得室內(nèi)該行人的行走軌跡； 步驟4:根據(jù)室內(nèi)普通行人一般行走軌跡的特性建立行走模式的隱含馬爾科夫模型； 步驟5:根據(jù)建立的隱含馬爾科夫模型和傳感器觀測值識別出室內(nèi)該行人的行走模式，然后將室內(nèi)該行人的行走軌跡匹配到識別出的室內(nèi)該行人的行走模式； 步驟6:采用了異常點(diǎn)識別、刪除和壞區(qū)修復(fù)的方法對匹配后的行走軌跡進(jìn)行修正，獲得室內(nèi)該行人的行走修正軌跡。
2.根據(jù)權(quán)利要求1所述的室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于:步驟I中所述的利用加速度傳感器和地磁傳感器以自適應(yīng)的采樣頻率采集數(shù)據(jù)，其具體實(shí)現(xiàn)包括以下子步驟: 步驟1.1:輸入三個(gè)連續(xù)時(shí)刻行人行走的方位角hd，hd_1； hd_2 ;其中，d，d-1，d-2為進(jìn)行數(shù)據(jù)采集的三個(gè)連續(xù)時(shí)刻； 步驟1.2:計(jì)算三個(gè)連續(xù)方位角兩兩之間關(guān)于時(shí)間的導(dǎo)數(shù)
3.根據(jù)權(quán)利要求1所述的室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于:步驟2中所述的利用航跡推算算法計(jì)算室內(nèi)行人的下一點(diǎn)位置數(shù)據(jù)，其室內(nèi)行人的下一點(diǎn)位置為:(x*, y*) = (x+sl X sc X cos h, y+sl X sc+sin h)； 其中:sl是行人的步長，行人的步長通過估算法得到；sc是行人行走的步數(shù)，步數(shù)是根據(jù)加速度傳感器獲取的Z軸加速值計(jì)算得到，由于行人正常行走一步的過程中，Z軸加速度值得曲線是一個(gè)正弦波，所以通過檢測Z軸加速度正弦波的個(gè)數(shù)來統(tǒng)計(jì)行人的步數(shù)；U，y)是行人的初始坐標(biāo)，(x*, Y*)是行人的下一點(diǎn)位置的坐標(biāo)；h是行人行走的方位角，該方位角通過地磁傳感器獲取，獲取到的方位角是行人行進(jìn)的方向與地磁北極的夾角。
4.根據(jù)權(quán)利要求1所述的室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于:步驟4中所述的根據(jù)室內(nèi)普通行人一般行走軌跡的特性建立行走模式的隱含馬爾科夫模型，其具體實(shí)現(xiàn)包括以下子步驟:步驟4.1:定義室內(nèi)行人行走模式隱馬爾科夫模型，該模型包括隱含狀態(tài)、觀測值、狀態(tài)轉(zhuǎn)移概率和輸出概率這四個(gè)參數(shù)，其中，隱含狀態(tài)對應(yīng)于所述的室內(nèi)行人行走模式；觀測值是采集的加速度傳感器和地磁傳感器的數(shù)據(jù)；狀態(tài)轉(zhuǎn)移概率是室內(nèi)人員從一個(gè)行走模式過度到另外一個(gè)行走模式的概率；輸出概率是對于一個(gè)給定的觀測值，對應(yīng)于某個(gè)行走狀態(tài)的概率； 步驟4.2:根據(jù)所述的室內(nèi)行人的行走特點(diǎn)，實(shí)例化室內(nèi)行人行走模式的隱馬爾科夫模型。
5.根據(jù)權(quán)利要求4所述的室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于:步驟4.2所述的實(shí)例化室內(nèi)行人行走模式的隱馬爾科夫模型，其室內(nèi)行人行走模式的隱馬爾科夫模型的隱含狀態(tài)的實(shí)例化方法為:首先將室內(nèi)行人的行走模式依據(jù)行走方向和行走速度分類；其中將行走方向以15度作為間隔，將360度分為24個(gè)方向段，假設(shè)室內(nèi)行人行走方向的角度為Θ，那么它所屬的方向段為& ;因室內(nèi)正常的步行速度范圍在0.5m/s—2m/s,然后將行走速度分為三類,分別是慢速(0.5m/s一 lm/s)、中速(lm/s一 1.5m/s)、快速(1.5m/s-2m/s);根據(jù)所述的行走的方向和行走的速度，行走模式一共可以分為72種，每種行走模式對應(yīng)一個(gè)方向段和一個(gè)速度類型。
6.根據(jù)權(quán)利要求4所述的室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于:步驟4.2所述的實(shí)例化室內(nèi)行人行走模式的隱馬爾科夫模型，其室內(nèi)行人行走模式的隱馬爾科夫模型的觀測值的實(shí)例化方法為:通過將行人行走一步的時(shí)間分為幾個(gè)相等的時(shí)間間隔，每隔一個(gè)相等的時(shí)間段采集一次觀測值，將所述的觀測值按照時(shí)間順序排列成觀測向量；其中，所述的觀測值為三維的向量0=(acce, Ahd, spd), acce表示行人的z_軸加速度、Ahd表示行人的方位角變化量、spd表示行人的行走速度。
7.根據(jù)權(quán)利要求4所述的室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于:步驟4.2所述的實(shí)例化室內(nèi)行人.行走模式的隱馬爾科夫模型，其室內(nèi)行人行走模式的隱馬爾科夫模型的輸出概率的實(shí)例化方法包括以下子步驟: 步驟4.2.1:本發(fā)明通過多次采集室內(nèi)人員行走一步以內(nèi)的每一個(gè)行走模式對應(yīng)的三個(gè)觀測變量并對其求平均值的方法，為每一個(gè)行走模式建立了一個(gè)標(biāo)準(zhǔn)指紋庫，每一個(gè)指紋庫包括一個(gè)行走模式S」和觀測值序列Vi的對應(yīng)關(guān)系，該對應(yīng)關(guān)系表示為一個(gè)二維向量(Sj, Vi); 步驟4.2.2:給定一個(gè)觀測值序列Vi,查找指紋庫中每一個(gè)行走模式^對應(yīng)的標(biāo)準(zhǔn)觀測值序列Vj ； 步驟4.2.3:計(jì)算給定的觀測值Vi與每一個(gè)行走模式對應(yīng)的標(biāo)準(zhǔn)觀測值\之間的歐式距離； 步驟4.2.3:最后用零均值高斯函數(shù)來計(jì)算每一個(gè)觀測值Vi和對應(yīng)的狀態(tài)之間的發(fā)射概率。
8.根據(jù)權(quán)利要求4所述的室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于:步驟4.2所述的實(shí)例化室內(nèi)行人行走模式的隱馬爾科夫模型，其室內(nèi)行人行走模式的隱馬爾科夫模型的狀態(tài)轉(zhuǎn)移概率的實(shí)例化方法為:所述的隱馬爾科夫模型狀態(tài)轉(zhuǎn)移概率分為方向轉(zhuǎn)移概率和速度轉(zhuǎn)移概率；方向轉(zhuǎn)移概率表行人從一個(gè)狀態(tài)所處的方向轉(zhuǎn)移到另外一個(gè)狀態(tài)所處的方向的概率，若行人從狀態(tài)i轉(zhuǎn)移到狀態(tài)j，iheading，Jheading分別表示狀態(tài)i和狀態(tài)j所處的方向段，則方向轉(zhuǎn)移概率Pheading(i，j)的計(jì)算公式如下:
9.根據(jù)權(quán)利要求1所述的室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于:步驟5中所述的根據(jù)建立的隱含馬爾科夫模型和傳感器觀測值識別出室內(nèi)該行人的行走模式，其具體實(shí)現(xiàn)包括以下子步驟: 步驟5.1:輸入一個(gè)任意行走模式的觀測值序列Oi, i=l, 2…η ； 步驟5.2:建立室內(nèi)行人行走模式的隱馬爾科夫模型λ=(Α，Β，π)，其中:
10.根據(jù)權(quán)利要求6所述的室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于:所述的P (TH)取0.6。
11.根據(jù)權(quán)利要求1所述的室內(nèi)行人行走模式識別和軌跡追蹤的方法，其特征在于:步驟6中所述的采用了異常點(diǎn)識別、刪除和壞區(qū)修復(fù)的方法對匹配后的行走軌跡進(jìn)行修正，其具體實(shí)現(xiàn)包括以下子步驟: 步驟6.1:輸入任意一個(gè)行走模式的觀測值序列Oi, i=l, 2…η ;建立的室內(nèi)行人行走模式的隱馬爾科夫模型λ=(Α，Β，π);其中，A表示隱馬爾科夫模型的狀態(tài)轉(zhuǎn)移概率矩陣，B表示隱馬爾科夫模型的輸出概率矩陣，η表示隱馬爾科夫模型的初始狀態(tài)概率矩陣。 步驟6.2:為觀測值序列設(shè)定一個(gè)長度為k的滑動窗口，將長度為η的觀測值序列劃分為長度為k的短序列； 步驟6.3:滑動窗口每次向后移動一個(gè)單位，其中，滑動窗口一共移動的次數(shù)C= (η-k+l)； 步驟6.4:判斷滑動窗口是否到達(dá)觀測值序列末尾， 如果是，則監(jiān)測結(jié)束； 如果否，則繼續(xù)執(zhí)行下述步驟； 步驟6.5:用維特比算法計(jì)算該滑動窗口所在的短序列的行走模式的最大概率δ t(j): 其中，au表不隱馬爾科夫模型的狀態(tài)轉(zhuǎn)移概率，bj(i)表不隱馬爾科夫模型的輸出概率，N表示隱含爾科夫模型的狀態(tài)數(shù)，j表示隱馬爾科夫模型的初始狀態(tài)概率，T表示該行走模式的行走花費(fèi)的時(shí)間； 步驟6.6:判斷最大概率δ t(j)與設(shè)定的閥值P(TH)大??； 如果最大狀態(tài)概率St(j)大于該閾值，則此次短序列為正常點(diǎn)，則返回繼續(xù)執(zhí)行所述的步驟6.3 ； 如果最大狀態(tài)概率St(j)小于該閾值，則此次短序列為異常點(diǎn)，則繼續(xù)執(zhí)行下述步驟； 步驟6.7:對該短序列進(jìn)行異常點(diǎn)刪除和壞區(qū)修復(fù)，其壞區(qū)修復(fù)的方法是先刪除原來的異常點(diǎn)，再通過曲線擬合的方法在刪除的異常點(diǎn)的位置擬合一個(gè)點(diǎn)，再返回執(zhí)行所述的步驟6.3。.
【文檔編號】G01C21/16GK103471589SQ201310440455
【公開日】2013年12月25日 申請日期:2013年9月25日 優(yōu)先權(quán)日:2013年9月25日
【發(fā)明者】牛曉光, 李蒙, 魏川博, 曹飛, 秦城 申請人:武漢大學(xué)