[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN102462497A - 辨识人体移动行为的方法及系统 - Google Patents

辨识人体移动行为的方法及系统 Download PDF

Info

Publication number
CN102462497A
CN102462497A CN2010106234052A CN201010623405A CN102462497A CN 102462497 A CN102462497 A CN 102462497A CN 2010106234052 A CN2010106234052 A CN 2010106234052A CN 201010623405 A CN201010623405 A CN 201010623405A CN 102462497 A CN102462497 A CN 102462497A
Authority
CN
China
Prior art keywords
human body
body mobile
mobile behavior
discrete series
behavior
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2010106234052A
Other languages
English (en)
Other versions
CN102462497B (zh
Inventor
罗棨钟
吴宗衡
陈昭佑
郭伦嘉
曾煜棋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industrial Technology Research Institute ITRI
Original Assignee
Industrial Technology Research Institute ITRI
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Industrial Technology Research Institute ITRI filed Critical Industrial Technology Research Institute ITRI
Publication of CN102462497A publication Critical patent/CN102462497A/zh
Application granted granted Critical
Publication of CN102462497B publication Critical patent/CN102462497B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Navigation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明涉及一种辨识人体移动行为的方法及系统。所述方法包含下列步骤：撷取一用以辨识人体移动行为的惯性测量元件的连续测量值。若所述连续测量值符合一特定的人体行为特征，分割所述连续测量值以产生至少一个人体移动行为特征波形。离散化该至少一个人体移动行为特征波形以产生至少一个人体移动行为离散数列。比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列以决定该惯性测量元件所对应的人体移动行为。

Description

辨识人体移动行为的方法及系统
技术领域
本发明涉及人体行为辨识方法和系统，特别涉及利用惯性测量元件(Inertial Measurement Unit，IMU)实现的辨识人体移动行为的方法和系统。
背景技术
目前大众所熟知的定位系统是利用卫星的全球定位系统(GlobalPositioning System，GPS)。GPS系统广泛应用于汽车或是行动装置上。然而，GPS系统需仰赖卫星信号的收发，故其较适合于室外使用。在室内使用时，GPS系统具有收信不良的问题。
目前文献显示，利用比对特征算法的室内定位系统虽已可提供可接受的定位效果，但仍然有数公尺的误差。因而得到的定位结果常常会有漂动的现象发生。室内定位的环境经常是多层建筑。因此，相比于平面的漂移现象，楼层间的漂移更加造成极大的误差。此现象对于定位结果会产生极度负面的影响。因此，若能得知使用者目前所在的楼层，且仅在使用者发生特定人体移动行为(如搭乘电梯或上下楼梯)时才做变换。如此，即可使得定位结果固定，并将楼层漂移的现象减至最少，进而增进定位系统的准确度。
另一方面，由于目前搭载惯性测量元件的行动装置越来越普遍，若能利用这些惯性测量元件来检测人体移动的行为，则将无须额外的成本来检测人体移动行为。
发明内容
本发明揭示一种辨识人体移动行为的方法实施例，其包含下列步骤。撷取一用以辨识人体移动行为的惯性测量元件的连续测量值。若所述连续测量值符合一特定的人体行为特征，则分割所述连续测量值以产生至少一个人体移动行为特征波形。离散化该至少一个人体移动行为特征波形以产生至少一个人体移动行为离散数列。比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列以决定该惯性测量元件所对应的人体移动行为。
本发明揭示一种辨识人体移动行为的系统实施例，包含一惯性测量元件、一特征萃取元件和一特征辨识元件。该惯性测量元件设定以输出一人体移动行为的连续测量值。该特征萃取元件设定以分割所述连续测量值以产生至少一个人体移动行为特征波形，并离散化该至少一个人体移动行为特征波形以产生至少一个人体移动行为离散数列。该特征辨识元件设定以比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列以决定该人体移动行为。
上文已经概略地叙述本发明的实施范例，从而使下文的详细描述得以获得较佳了解。构成本发明的权利要求的其它技术特征将描述于下文。本发明所属技术领域中的技术人员应可了解，下文揭示的概念与实施例可作为基础而相当轻易地予以修改或设计其它结构或制造方法而实现与本发明相同的目的。本发明所属技术领域中的技术人员也应可了解，这类等效的建构并无法脱离所附的权利要求所提出的本发明的精神和范围。
附图说明
图1显示本发明的一实施例的辨识人体移动行为的系统的示意图；
图2显示本发明的一实施例的辨识人体移动行为的方法的流程图；
图3显示本发明的一实施例的一使用者在搭乘电梯的人体移动行为时，一惯性测量元件输出的连续测量值；
图4显示本发明的一实施例的一使用者在上下楼梯的人体移动行为时，一惯性测量元件输出的连续测量值；
图5显示本发明的一实施例的一人体移动行为特征波形及其人体移动行为离散数列；
图6显示本发明的另一实施例的一人体移动行为特征波形及其人体移动行为离散数列；以及
图7显示本发明的又一实施例的一人体移动行为特征波形及其人体移动行为离散数列。
主要元件符号说明
100辨识人体移动行为的系统
102惯性测量元件
104特征萃取元件
106特征辨识元件
150使用者
160行动装置
170无线网络装置
201-206步骤。
具体实施方式
本发明在此所探讨的方向为一种辨识人体移动行为的方法及系统。为了能彻底地了解本发明，将在下列的描述中提出详尽的步骤及组成。显然地，本发明的施行并未限定于本发明技术领域的技术人员所熟悉的特殊细节。另一方面，众所周知的组成或步骤并未描述于细节中，以避免造成本发明不必要的限制。本发明的若干实施范例会详细描述如下，然而除了这些详细描述之外，本发明还可以广泛地施行在其它的实施例中，且本发明的范围不受限定，其以所附的权利要求为准。
本发明提出一种辨识人体移动行为的方法及系统实施例。在本发明的实施范例中，利用使用惯性测量元件基于无线感测网络作为行人多楼层移动行为辨识的系统，然而此方法及系统并不限于在无线感测网络上使用。此系统可检测使用者变换楼层的人体移动行为。在本发明的实施范例中，这种使用者变换楼层的人体行为包含搭乘电梯和上下楼梯的人体移动行为，然而并不限制于上述两种行为。
图1显示本发明的一实施例的辨识人体移动行为的系统的示意图。如图1所示，该系统100包含一惯性测量元件102、一特征萃取元件104和一特征辨识元件106。该惯性测量元件102设置于一使用者150所携带的一行动装置160上。该特征萃取元件104和该特征辨识元件106是由一无线网络装置170内的一计算机装置所执行的软件所实现。该惯性测量元件102可和该特征萃取元件104及该特征辨识元件106进行无线传输通信。该惯性测量元件102设定以输出一人体移动行为的连续测量值，即该使用者150的人体移动行为的连续测量值。该特征萃取元件104设定以分割所述连续测量值以产生至少一个人体移动行为特征波形，并离散化该至少一个人体移动行为特征波形以产生至少一个人体移动行为离散数列。该特征辨识元件106设定以比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列以决定该人体移动行为。
在本实施范例中，该惯性测量元件102为加速度器、电子罗盘及角加速度器之一或其组合，而其输出的连续测量值为三轴加速度值、三轴欧拉角及三轴角加速度值之一或其组合。根据本实施范例的辨识人体移动行为的系统100即可决定该使用者150目前的人体移动行为是搭乘电梯的行为或上下楼梯的行为。
图2显示本发明的一实施例的辨识人体移动行为的方法的流程图。在步骤201，撷取一用以辨识人体移动行为的惯性测量元件的连续测量值，并进入步骤202。在步骤202，过滤所述连续测量值以降低其噪声，并进入步骤203。在步骤203，判断所述连续测量值是否符合一特定的人体行为特征。若所述连续测量值符合一特定的人体行为特征，则进入步骤204，否则回到步骤201。在步骤204，分割所述连续测量值以产生至少一个人体移动行为特征波形，并进入步骤205。在步骤205，离散化该至少一个人体移动行为特征波形以产生至少一个人体移动行为离散数列，并进入步骤206。在步骤206，比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列，以决定该惯性测量元件所对应的人体移动行为。
以下例示应用图2的辨识人体移动行为的方法于图1的辨识人体移动行为的系统100。在步骤201，该惯性测量元件102根据该使用者150的人体移动行为输出连续测量值，并传送至该特征萃取元件104。在步骤202，该特征萃取元件104过滤所述连续测量值以降低其噪声。在本实施范例中，该特征萃取元件104利用一低通滤波器过滤所述连续测量值，其中该低通滤波器可利用下列式子表示：a’i＝α×ai+(1-α)×a’i-1，其中ai是第i个在该低通滤波器处理前的元素，a’i是第i个在该低通滤波器处理后的元素，a’i-1是第i-1个在该低通滤波器处理后的元素，而α为该低通滤波器控制滤波频率的参数。一般而言，使用者在走路时所造成的波动频率会高于电梯移动时所造成的波动频率。据此，通过该低通滤波器，即使使用者在电梯移动时有走动的行为，该系统100仍然可以检测电梯的波形。
在步骤203，该特征萃取元件104即判断所述连续测量值是否符合一特定的人体行为特征。一般而言，若该使用者150的人体移动行为是搭乘电梯往上移动时，该惯性测量元件102的一三轴加速度值呈现上凹-水平线-下凹的波形。反之，若该使用者150的人体移动行为是搭乘电梯往下移动时，该惯性测量元件102的一三轴加速度值呈现下凹-水平线-上凹的波形。图3显示该使用者150在搭乘电梯的人体移动行为时，该惯性测量元件102输出的连续测量值。据此，若所述连续测量值的一三轴加速度值具有上凹-水平线-下凹的波形，或具有下凹-水平线-上凹的波形，则该特征萃取元件104即判断所述连续测量值的一三轴加速度符合一搭乘电梯行为特征。在本实施范例中，可进一步设定一高临界值和一低临界值：当所述连续测量值的一三轴加速度同时具有高于该高临界值和低于该低临界值的测量值时，才判断符合一搭乘电梯行为特征。
另一方面，若该使用者150的人体移动行为是上下楼梯时，该惯性测量元件102的角度值会呈现周期性地上下震荡，如图4所示。据此，若所述连续测量值的一角度值周期性的超过一临界值，则判断所述连续测量值符合一上下电梯行为特征。
在步骤204，该特征萃取元件104即分割所述连续测量值以产生至少一个人体移动行为特征波形。若该特征萃取元件104判断所述连续测量值符合一搭乘电梯行为特征，则该特征萃取元件104会以一上凹-水平线-下凹的波形为单位，或一下凹-水平线-上凹的波形单位将所述连续测量值分割成少一人体移动行为特征波形，如图3所示。另一方面，若该特征萃取元件104判断所述连续测量值符合一上下电梯行为特征，则该特征萃取元件104会分割所述连续测量值，使每一人体移动行为特征波形的两端为极大值，如图4所示。
在步骤205，离散化该至少一个人体移动行为特征波形以产生至少一个人体移动行为离散数列。在本发明的一实施例中，该特征萃取元件104根据全部特征取样法，其是取样一人体移动行为特征波形以产生其人体移动行为离散数列，该取样是在分割后的连续测量值。如图5所示，上方为一人体移动行为特征波形，下方则为根据该人体移动行为特征波形产生的人体移动行为离散数列。
在本发明的另一实施例中，该特征萃取元件104根据边界离散特征取样法，其是以一人体移动行为特征波形的最大值和最小值为其人体移动行为离散数列的最大值和最小值，并据此将该人体移动行为离散数列的数值划分为多个区段。接着，根据所述区段将该人体移动行为特征波形离散化，并在该离散化的人体移动行为特征波形数值改变时记录成该人体移动行为离散数列。图6显示另一人体移动行为特征波形及其人体移动行为离散数列。如图6所示，该人体移动行为特征波形将其最小值设定为1，最大值设定为5，并据此划分为五等份。此外，如图6的人体移动行为离散数列所示，其在该离散化的人体移动行为特征波形数值改变时才记录成该人体移动行为离散数列，故其不存在连续相同的离散值。
在本发明的又一实施例中，该特征萃取元件104根据时间离散特征取样法，其以一人体移动行为特征波形的最大值和最小值为其人体移动行为离散数列的最大值和最小值，并据此将该人体移动行为离散数列的数值划分为多个区段。接着，根据所述区段将该人体移动行为特征波形离散化，并在该离散化的人体移动行为特征波形数值改变时或维持固定值一固定时间时记录成该人体移动行为离散数列。图7显示又一人体移动行为特征波形及其人体移动行为离散数列。类似于图6的取样法，图7的人体移动行为特征波形将其最小值设定为1，最大值设定为5，并据此划分为五等份。此外，如图7的人体移动行为离散数列所示，其在该离散化的人体移动行为特征波形数值改变时，或维持固定值一固定时间γ时才记录成该人体移动行为离散数列。
在步骤206，该特征辨识元件106即比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列以决定该惯性测量元件所对应的人体移动行为。在本实施范例中，该参考人体移动行为离散数列利用初始设定的训练步骤所储存的电梯行为的离散数列和上下楼梯行为的离散数列。
在本发明的一实施例中，该特征辨识元件106利用一样本比对辨识法比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列，其中该样本比对辨识法加总该人体移动行为离散数列和该参考人体移动行为离散数列各点的差值，并据此决定该人体移动行为。该样本比对辨识法可由下列式子表示：其中Err(T，C)为该人体移动行为离散数列和该参考人体移动行为离散数列各点的差值加总，C[i]为该人体移动行为离散数列，T[i]为该参考人体移动行为离散数列，而k为该人体移动行为离散数列和该参考人体移动行为离散数列的长度。
在本发明的一实施例中，若该人体移动行为离散数列和该参考人体移动行为离散数列的长度不同，或彼此略有偏移，可先位移该人体移动行为离散数列以对齐该参考人体移动行为离散数列，并以内插法填补该人体移动行为离散数列使其和该参考人体移动行为离散数列的长度相等。接着，该特征辨识元件106比较不同参考人体移动行为离散数列所计算的Err(T，C)，并选取最小值所对应的人体移动行为以作为该使用者150所对应的人体移动行为。
在本发明的另一实施例中，该特征辨识元件106利用一最长相同子顺序辨识法比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列，其中该最长相同子顺序辨识法根据该人体移动行为离散数列和该参考人体移动行为离散数列的最长相同子顺序所占的比例决定该人体移动行为。该最长相同子顺序辨识法可由下列式子表示：相似度
Figure BSA00000413220300072
其中C′为该人体移动行为离散数列，T′为该参考人体移动行为离散数列，而LCS为最长相同子顺序的运算。例如，若一人体移动行为离散数列为[5，4，3，2，1，2，3，2，1，1，1，2，3，4，5]，而一参考人体移动行为离散数列为[5，4，3，2，1，1，2，3，2，1，1，1，2，3，4]，则两者间的最长相同子顺序为[5，4，3，2，1，2，3，2，1，1，1，2，3，4]，且相似度S＝2*14/(15+15)＝0.93。接着，该特征辨识元件106比较不同参考人体移动行为离散数列所计算的相似度S，并选取最大值所对应的人体移动行为以作为该使用者150所对应的人体移动行为。
在本发明的又一实施例中，该特征辨识元件106利用一最长相同子字符串辨识法比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列，其中该最长相同子字符串辨识法根据该人体移动行为离散数列和该参考人体移动行为离散数列的最长相同子字符串的长度决定该人体移动行为。该最长相同子字符串辨识法可由下列式子表示：相似度
Figure BSA00000413220300081
其中C″为该人体移动行为离散数列，T″为该参考人体移动行为离散数列，而LCS为最长相同子字符串的运算。例如，若一人体移动行为离散数列为[5，4，3，2，1，2，3，2，1，1，1，2，3，4，5]，而一参考人体移动行为离散数列为[5，4，3，2，1，1，2，3，2，1，1，1，2，3，4]，则两者间的最长相同子字符串为[2，3，2，1，1，1，2，3，4]，且相似度S＝2*9/(15+15)＝0.6。接着，该特征辨识元件106比较不同参考人体移动行为离散数列所计算的相似度S，并选取最大值所对应的人体移动行为以作为该使用者150所对应的人体移动行为。
综上所述，本发明的辨识人体移动行为的方法及系统利用这些惯性测量元件来检测人体移动的行为。通过本发明的撷取、分割和比对等动作，即可判断使用者目前的人体移动行为。配合目前广泛使用于各式行动装置的惯性测量元件，可和现有行动装置整合。
本发明的技术内容及技术特点已揭示如上，然而本领域技术人员仍可能基于本发明的教示及揭示而作种种不背离本发明精神的替换及修饰。因此，本发明的保护范围应不限于实施例所公开的内容，而应包括各种不背离本发明的替换及修饰，并为权利要求所涵盖。

Claims (22)

1.一种辨识人体移动行为的方法，其特征在于，包含下列步骤：
撷取一用以辨识人体移动行为的惯性测量元件的连续测量值；
若所述连续测量值符合一特定的人体行为特征，则分割所述连续测量值以产生至少一个人体移动行为特征波形；
离散化该至少一个人体移动行为特征波形以产生至少一个人体移动行为离散数列；以及
比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列以决定该惯性测量元件所对应的人体移动行为。
2.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，其进一步包含下列步骤：
过滤所述连续测量值以降低其噪声成分。
3.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，该分割所述连续测量值的步骤包含下列次步骤：
若所述连续测量值的一个三轴加速度值具有上凹-水平线-下凹的波形，或具有下凹-水平线-上凹的波形，则判断所述连续测量值符合一搭乘电梯行为特征；以及
分割所述连续测量值使每一人体移动行为特征波形包含一上凹-水平线-下凹的波形或一下凹-水平线-上凹的波形。
4.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，该分割所述连续测量值的步骤包含下列次步骤：
若所述连续测量值的一角度值周期性的超过一临界值，则判断所述连续测量值符合一上下电梯行为特征；以及
分割所述连续测量值使每一人体移动行为特征波形的两端为极大值。
5.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，该离散化以产生人体移动行为离散数列的步骤包含下列次步骤：
在分割后的连续测量值取样一人体移动行为特征波形以产生其人体移动行为离散数列。
6.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，该离散化以产生人体移动行为离散数列的步骤包含下列次步骤：
以一人体移动行为特征波形的最大值和最小值为其人体移动行为离散数列的最大值和最小值，并据此将该人体移动行为离散数列的数值划分为多个区段；以及
根据所述区段将该人体移动行为特征波形离散化，并在该离散化的人体移动行为特征波形数值改变时记录成该人体移动行为离散数列。
7.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，该离散化以产生人体移动行为离散数列的步骤包含下列次步骤：
以一人体移动行为特征波形的最大值和最小值为其人体移动行为离散数列的最大值和最小值，并据此将该人体移动行为离散数列的数值划分为多个区段；以及
根据所述区段将该人体移动行为特征波形离散化，并在该离散化的人体移动行为特征波形数值改变时或维持固定值一固定时间时记录成该人体移动行为离散数列。
8.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，该比对人体移动行为离散数列和参考人体移动行为离散数列的步骤加总该人体移动行为离散数列和该参考人体移动行为离散数列各点的差值，并据此决定该惯性测量元件所对应的人体移动行为。
9.根据权利要求8所述的辨识人体移动行为的方法，其特征在于，该比对人体移动行为离散数列和参考人体移动行为离散数列的步骤先位移该人体移动行为离散数列以对齐该参考人体移动行为离散数列，并以内插法填补该人体移动行为离散数列使其和该参考人体移动行为离散数列的长度相等。
10.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，该比对人体移动行为离散数列和参考人体移动行为离散数列的步骤根据该人体移动行为离散数列和该参考人体移动行为离散数列的最长相同子顺序所占的比例决定该惯性测量元件所对应的人体移动行为。
11.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，该比对人体移动行为离散数列和参考人体移动行为离散数列的步骤根据该人体移动行为离散数列和该参考人体移动行为离散数列的最长相同子字符串的长度决定该惯性测量元件所对应的人体移动行为。
12.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，该惯性测量元件的连续测量值为三轴加速度值、三轴欧拉角及三轴角加速度值之一或其组合。
13.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，该惯性测量元件为加速度器、电子罗盘及角加速度器之一或其组合。
14.根据权利要求1所述的辨识人体移动行为的方法，其特征在于，该参考人体移动行为离散数列包含搭乘电梯行为的离散数列和上下楼梯行为的离散数列。
15.一种辨识人体移动行为的系统，其特征在于，包含：
一惯性测量元件，设定以输出一人体移动行为的连续测量值；
一特征萃取元件，设定以分割所述连续测量值以产生至少一个人体移动行为特征波形，并离散化该至少一个人体移动行为特征波形以产生至少一个人体移动行为离散数列；以及
一特征辨识元件，设定以比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列以决定该人体移动行为。
16.根据权利要求15所述的辨识人体移动行为的系统，其特征在于，该特征萃取元件在所述连续测量值符合一搭乘电梯行为特征或一上下楼梯行为特征时进行该分割的运算。
17.根据权利要求15所述的辨识人体移动行为的系统，其特征在于，该特征辨识元件利用一样本比对辨识法比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列，其中该样本比对辨识法加总该人体移动行为离散数列和该参考人体移动行为离散数列各点的差值，并据此决定该人体移动行为。
18.根据权利要求15所述的辨识人体移动行为的系统，其特征在于，该特征辨识元件利用一最长相同子顺序辨识法比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列，其中该最长相同子顺序辨识法根据该人体移动行为离散数列和该参考人体移动行为离散数列的最长相同子顺序所占的比例决定该人体移动行为。
19.根据权利要求15所述的辨识人体移动行为的系统，其特征在于，该特征辨识元件利用一最长相同子字符串辨识法比对该至少一个人体移动行为离散数列和参考人体移动行为离散数列，其中该最长相同子字符串辨识法根据该人体移动行为离散数列和该参考人体移动行为离散数列的最长相同子字符串的长度决定该人体移动行为。
20.根据权利要求15所述的辨识人体移动行为的系统，其特征在于，该参考人体移动行为离散数列包含搭乘电梯行为的离散数列和上下楼梯行为的离散数列。
21.根据权利要求15所述的辨识人体移动行为的系统，其特征在于，该惯性测量元件所输出的连续测量值为三轴加速度值、三轴欧拉角及三轴角加速度值之一或其组合。
22.根据权利要求15所述的辨识人体移动行为的系统，其特征在于，该惯性测量元件为加速度器、电子罗盘及角加速度器之一或其组合。
CN201010623405.2A 2010-11-11 2010-12-28 辨识人体移动行为的方法及系统 Active CN102462497B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW099138777 2010-11-11
TW099138777A TWI439947B (zh) 2010-11-11 2010-11-11 辨識人體移動行為之方法及系統

Publications (2)

Publication Number Publication Date
CN102462497A true CN102462497A (zh) 2012-05-23
CN102462497B CN102462497B (zh) 2014-07-09

Family

ID=46048577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010623405.2A Active CN102462497B (zh) 2010-11-11 2010-12-28 辨识人体移动行为的方法及系统

Country Status (4)

Country Link
US (1) US20120123733A1 (zh)
JP (1) JP2012104089A (zh)
CN (1) CN102462497B (zh)
TW (1) TWI439947B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107655471A (zh) * 2017-08-02 2018-02-02 北京云迹科技有限公司 基于imu的楼层测量方法及机器人跨楼层导航方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989127A (zh) * 2015-02-15 2016-10-05 阿里巴巴集团控股有限公司 一种进行信息推送的方法、装置与系统
DE102015207415A1 (de) 2015-04-23 2016-10-27 Adidas Ag Verfahren und Gerät zum Verknüpfen von Bildern in einem Video einer Aktivität einer Person mit einem Ereignis
US20180357870A1 (en) * 2017-06-07 2018-12-13 Amazon Technologies, Inc. Behavior-aware security systems and associated methods
CN109620241B (zh) * 2018-11-16 2021-10-08 歌尔科技有限公司 一种可穿戴设备及基于其的动作监测方法
US11375125B2 (en) * 2019-05-15 2022-06-28 Asustek Computer Inc. Electronic device

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000213967A (ja) * 1999-01-22 2000-08-04 Amutekkusu:Kk 人体動作判別装置
CN1415271A (zh) * 2002-11-05 2003-05-07 苏子欣 一种人体运动测量装置
CN101018402A (zh) * 2005-12-07 2007-08-15 埃卡豪股份有限公司 位置确定技术

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2229536B (en) * 1989-03-22 1993-04-07 Ferranti Int Signal Signal processing apparatus and method
DE69736622T2 (de) * 1996-07-03 2007-09-13 Hitachi, Ltd. System zur Bewegungserkennung
GB9813904D0 (en) * 1997-08-15 1998-08-26 Blatchford & Sons Ltd A lower limb prosthesis
US7036094B1 (en) * 1998-08-10 2006-04-25 Cybernet Systems Corporation Behavior recognition system
US6707487B1 (en) * 1998-11-20 2004-03-16 In The Play, Inc. Method for representing real-time motion
US7366645B2 (en) * 2002-05-06 2008-04-29 Jezekiel Ben-Arie Method of recognition of human motion, vector sequences and speech
US7227893B1 (en) * 2002-08-22 2007-06-05 Xlabs Holdings, Llc Application-specific object-based segmentation and recognition system
US7001795B2 (en) * 2003-02-27 2006-02-21 Micron Technology, Inc. Total internal reflection (TIR) CMOS imager
US7818317B1 (en) * 2003-09-09 2010-10-19 James Roskind Location-based tasks
JP4243684B2 (ja) * 2003-10-07 2009-03-25 独立行政法人産業技術総合研究所 歩行動作検出処理装置および歩行動作検出処理方法
WO2005091113A2 (en) * 2004-03-12 2005-09-29 Vectronix Ag Apparatus and method of determining 3d pedestrian motion by using projection planes
US7627142B2 (en) * 2004-04-02 2009-12-01 K-Nfb Reading Technology, Inc. Gesture processing with low resolution images with high resolution processing for optical character recognition for a reading machine
US7308112B2 (en) * 2004-05-14 2007-12-11 Honda Motor Co., Ltd. Sign based human-machine interaction
US8239162B2 (en) * 2006-04-13 2012-08-07 Tanenhaus & Associates, Inc. Miniaturized inertial measurement unit and associated methods
US7639884B2 (en) * 2005-04-26 2009-12-29 Nippon Hoso Kyokai Prefilter, compressive coding pre-processing apparatus and decompressive decoding post-processing apparatus, and compressive coding apparatus and decompressive decoding apparatus
US7508384B2 (en) * 2005-06-08 2009-03-24 Daka Research Inc. Writing system
JP5028751B2 (ja) * 2005-06-09 2012-09-19 ソニー株式会社 行動認識装置
EP2008200B1 (en) * 2006-04-06 2017-09-27 Yale University Framework of hierarchical sensory grammars for inferring behaviors using distributed sensors
AU2007348326B2 (en) * 2006-05-31 2012-03-08 Trx Systems, Inc. Method and system for locating and monitoring first responders
US9405372B2 (en) * 2006-07-14 2016-08-02 Ailive, Inc. Self-contained inertial navigation system for interactive control using movable controllers
WO2008097377A2 (en) * 2006-10-07 2008-08-14 Taser International, Inc. Systems and methods for area denial
DE102006062061B4 (de) * 2006-12-29 2010-06-10 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung, Verfahren und Computerprogramm zum Bestimmen einer Position basierend auf einem Kamerabild von einer Kamera
US20090265671A1 (en) * 2008-04-21 2009-10-22 Invensense Mobile devices with motion gesture recognition
JP2008173251A (ja) * 2007-01-17 2008-07-31 Matsushita Electric Works Ltd 昇降動作検出装置およびそれを用いた活動量計
JP5186837B2 (ja) * 2007-08-23 2013-04-24 Ｊｆｅスチール株式会社 微小凹凸表面欠陥の検出方法及び装置
EP2036746B1 (en) * 2007-09-17 2014-07-23 S & T Daewoo Co., Ltd. Sensor module comprising acceleration sensor and relative displacement sensor, damper and electronically controllable suspension system comprising the same, and method of controlling vehicle movement using the same
RU2372023C1 (ru) * 2008-05-06 2009-11-10 Геннадий Константинович Пилецкий Устройство для измерения внутричерепного давления у новорожденных и детей грудного возраста и опорный элемент для этого устройства
US8577154B2 (en) * 2008-06-16 2013-11-05 University Of Southern California Automated single viewpoint human action recognition by matching linked sequences of key poses
US8996332B2 (en) * 2008-06-24 2015-03-31 Dp Technologies, Inc. Program setting adjustments based on activity identification
EP2330554A4 (en) * 2008-09-19 2013-05-22 Hitachi Ltd METHOD AND SYSTEM FOR GENERATING BEHAVIOR HISTORY
US9163946B2 (en) * 2009-07-28 2015-10-20 CSR Technology Holdings Inc. Methods and applications for motion mode detection for personal navigation systems
US8284847B2 (en) * 2010-05-03 2012-10-09 Microsoft Corporation Detecting motion for a multifunction sensor device
US20110289455A1 (en) * 2010-05-18 2011-11-24 Microsoft Corporation Gestures And Gesture Recognition For Manipulating A User-Interface
US8582803B2 (en) * 2010-10-15 2013-11-12 International Business Machines Corporation Event determination by alignment of visual and transaction data

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000213967A (ja) * 1999-01-22 2000-08-04 Amutekkusu:Kk 人体動作判別装置
CN1415271A (zh) * 2002-11-05 2003-05-07 苏子欣 一种人体运动测量装置
CN101018402A (zh) * 2005-12-07 2007-08-15 埃卡豪股份有限公司 位置确定技术

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107655471A (zh) * 2017-08-02 2018-02-02 北京云迹科技有限公司 基于imu的楼层测量方法及机器人跨楼层导航方法

Also Published As

Publication number Publication date
US20120123733A1 (en) 2012-05-17
JP2012104089A (ja) 2012-05-31
TW201220210A (en) 2012-05-16
TWI439947B (zh) 2014-06-01
CN102462497B (zh) 2014-07-09

Similar Documents

Publication Publication Date Title
CN102462497B (zh) 辨识人体移动行为的方法及系统
CN108444473B (zh) 一种行人室内轨迹定位方法
CA2833662C (en) Indoor localization of mobile devices
US8892391B2 (en) Activity detection
US9116000B2 (en) Map-assisted sensor-based positioning of mobile devices
Aly et al. Map++: A crowd-sensing system for automatic map semantics identification
US10274336B2 (en) Context aware map application
US20150285646A1 (en) Vehicle management system
TW201104280A (en) Dead reckoning elevation component adjustment
EP2901723A1 (en) Method, apparatus and system for mapping a course of a mobile device
CN103956071B (zh) 一种停车场找车的方法
KR20130139356A (ko) 시간 기준 특징들의 시간적 스케일링을 이용한 활동 분류를 위한 방법들, 디바이스들 및 장치들
EP2881708A1 (en) System and method for indoor localization using mobile inertial sensors and virtual floor maps
EP2762835A2 (en) Travel mode determination devices and methods for controlling a travel mode determination device
CN106125042A (zh) 进行定位的方法和电子装置
CN103234540A (zh) 一种面向消防和救援的危险作业人员无盲区定位方法
CN109959375A (zh) 一种基于误差触发标定的声学修正定位方法
JP2013083553A (ja) 情報処理装置、情報処理方法、及びプログラム
KR101949345B1 (ko) 고도 및 방향을 이용한 계단걷기 측정 서비스 제공 방법
EP2775260B1 (en) Structure access characteristics determined from mobile unit data
KR102197911B1 (ko) 사용자의 운동 정보 확인방법 및 장치
CN106871894B (zh) 一种基于条件随机场的地图匹配方法
WO2020104337A1 (en) Methods and systems for determining vertical location in enclosed spaces
CN104080168B (zh) 一种定位方法及装置
CN103808959B (zh) 一种感测系统及其方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant