基于加速度傳感器的體質(zhì)檢測自適應(yīng)計次*

韓蘭俠，徐方超，孫 鳳，張一民，賈 瀟

（1.沈陽工業(yè)大學(xué)機械工程學(xué)院，遼寧 沈陽 110870；2.北京體育大學(xué)運動人體科學(xué)學(xué)院，北京 100084）

0 引 言

隨著國民體質(zhì)檢測的健全和深入，人們對國民體質(zhì)檢測的效率和實用性有了更高的要求。在第5次國民體質(zhì)檢測中將受試人群的年齡增加到79 歲，并為60 ～79 歲的老年人新增了2 min原地高抬腿和30 s坐站指標(biāo)［1］。針對越來越多的檢測指標(biāo)，各種檢測設(shè)備的智能化升級也成了亟需解決的問題。隨著對可穿戴傳感器技術(shù)的深入理解，將不斷涌現(xiàn)出面向垂直應(yīng)用領(lǐng)域的新型智能可穿戴設(shè)備［2］。可穿戴設(shè)備目前應(yīng)用于各個領(lǐng)域，主要是對各種信號的收集與實時反饋。Attal F 等人［3］應(yīng)用可穿戴傳感器來識別人們生活中的各種動作，為傳感器的動作識別領(lǐng)域提供的一些基礎(chǔ)。陳航科等人［4］將傳感器姿態(tài)測量與信號融合做到精準(zhǔn)測量姿態(tài)角。Sucerquia A 等人［5］設(shè)計制造了一種新型可穿戴壓敏鞋墊，從鞋墊傳感器中獲取壓力信息，進而分析人的步態(tài)情況。Heng W Z等人［6］只使用一個加速度計，通過加速度計測到的數(shù)據(jù)來判斷老年人的跌倒風(fēng)險。因此，正確使用傳感器是實現(xiàn)智能化的基礎(chǔ)。

目前被大家熟知的計數(shù)算法主要包括零速檢測法、自相關(guān)分析法、譜分析法、有限狀態(tài)機法以及波峰檢測法等。自相關(guān)分析法主要依據(jù)所采集數(shù)據(jù)之間的相關(guān)性和閾值設(shè)置來判斷［7］，此種方法容易受到與檢測無關(guān)的信號的擾動。Cho Y等人［8］根據(jù)不同的運動方式設(shè)置不同的加速度閾值來實現(xiàn)計算步數(shù)的功能，準(zhǔn)確率很高。朱莊生等人［9］在設(shè)定的時間內(nèi)設(shè)置多個閾值，需要同時滿足多條件，才會計一步。王鑫等人［10］利用電容式傳感器和卡爾曼濾波實現(xiàn)對紙張的精準(zhǔn)計數(shù)。以上相關(guān)算法大多應(yīng)用于紙張計數(shù)和步數(shù)計數(shù)，很少涉及到關(guān)于體測指標(biāo)的計數(shù)，因此要根據(jù)體測的具體情況設(shè)計檢測算法。

針對以上問題，在峰值檢測算法的基礎(chǔ)上改進設(shè)計一種自適應(yīng)峰值檢測算法，依靠運動時腿部產(chǎn)生的加速度與運動狀態(tài)之間的關(guān)系，分析每一個腿部動作所對應(yīng)的最大加速度，設(shè)置加速度閾值以識別不同的動作，對不同的動作采取不同的峰值檢測算法參數(shù)進行次數(shù)的識別。利用高斯濾波器去除偽波峰，利用膝關(guān)節(jié)抬高角度確保計次動作為標(biāo)準(zhǔn)動作，根據(jù)兩項指標(biāo)的時間限制設(shè)置2 min和30 s的時間提醒。通過實驗驗證表明，該算法能很好地實現(xiàn)不同運動狀態(tài)下的計次功能，并且所計次數(shù)基本為標(biāo)準(zhǔn)動作。

1 系統(tǒng)平臺搭建

1.1 總體設(shè)計

系統(tǒng)結(jié)構(gòu)如圖1 所示。實驗平臺通過藍牙適配器USB-HID與JY901 傳感器模塊進行連接。為提高檢測的便利性，檢測模塊使用藍牙連接方式進行數(shù)據(jù)傳輸，所采用的藍牙傳輸模塊為USB-HID。傳感器通過串口與PC 端連接實現(xiàn)實驗數(shù)據(jù)的記錄與分析。

圖1 信號采集系統(tǒng)結(jié)構(gòu)

1.2 模塊介紹

姿態(tài)角信號采集主要由姿態(tài)角傳感器、主控芯片、藍牙模塊和電源模塊組成。姿態(tài)角傳感器為JY901，集成了陀螺儀、加速度計和地磁場傳感器。工作電壓3.3 ～5 V，最高200 Hz數(shù)據(jù)輸出速率。既能高效處理數(shù)據(jù)，又能降低電池消耗。主控芯片可以持續(xù)接收傳感器的數(shù)據(jù)，數(shù)據(jù)通過藍牙傳輸?shù)诫娔X端。姿態(tài)角信號采集模塊的尺寸約為51.3 mm×36 mm×15 mm。傳感器模塊JY901，信號輸出豐富，可輸出多種信號，包括三軸加速度、三維角速度、三維角度、三維磁場等。加速度范圍為±16gn，角速度范圍為±2 000°／s，角度范圍為±180°。該模塊信號輸出準(zhǔn)確穩(wěn)定，加速度信號穩(wěn)定度0. 01gn，角速度信號穩(wěn)定度為0.05°／s，姿態(tài)測量穩(wěn)定度為0.01°。

2 數(shù)據(jù)預(yù)處理

將采集到的原始數(shù)據(jù)通過低通濾波的方式去除因噪聲而產(chǎn)生的毛刺，增強數(shù)據(jù)的實用性和穩(wěn)定性。Bondan S 等人［11］使用相同的分類算法比較原始數(shù)據(jù)和低通濾波之后的數(shù)據(jù)，結(jié)果顯示：在大部分情況下，濾波后的數(shù)據(jù)用于分類的系統(tǒng)性能更好。常用的數(shù)據(jù)預(yù)處理方法包括滑動平均濾波器、低通濾波器和卡爾曼濾波器等［12］。選取高斯濾波方法對采集數(shù)據(jù)進行預(yù)處理。高斯濾波器［13］是一個應(yīng)用范圍很廣，并在頻率領(lǐng)域里效果很顯著的低通濾波器，ax（t），ay（t），az（t）分別為t時刻x，y，z軸的加速度信號，記，則高斯濾波公式為

式中G（t）＝e（-t2／2σ2）為零均值高斯核，其中，1／σ2＝2.25。以高抬腿x軸加速度為例，高斯濾波前和濾波后的波形如圖2所示。由圖中可以明顯地看出，濾波前后的加速度曲線變化，濾波后的曲線圖濾除掉大部分干擾信號，讓圖像變得更光滑。

圖2 高斯濾波前后加速度波形

3 計次算法

3.1 峰值檢測算法

峰值檢測算法就是根據(jù)人體在做相應(yīng)動作時產(chǎn)生的加速度的曲線變化特征，這種變化特征存在明顯的波峰波谷，1個峰值則記為1 次。用傳感器收集數(shù)據(jù)時，往往會產(chǎn)生部分噪聲干擾，容易形成偽波峰和偽波谷。因此，在計次時要能準(zhǔn)確識別偽波峰，獲取真正的波峰，再進行計次統(tǒng)計。

通過對做高抬腿和坐站動作進行分析，加速度變化為-0.15 ～0.1gn，基于動作特征，波峰檢測算法流程如圖3所示。

圖3 峰值檢測算法流程

1）峰值檢測算法一般會選取三軸合加速度，但經(jīng)過合加速度與單軸加速度對比發(fā)現(xiàn)，x軸加速度更符合計次要求。因此，選取受試者做高抬腿和坐站動作時的x軸加速度數(shù)值。2）選取在2 s 內(nèi)獲得潛在峰值，利用加速度閾值-0.15 ～0.1gn進行初次判斷，排除因傳感器產(chǎn)生的噪聲影響計數(shù)正確率。3）根據(jù)步驟（2）確定的潛在峰值，對其前后1 s內(nèi)峰值進行比較，如果潛在峰值最大，則記為1次。

3.2 自相關(guān)檢測算法

自相關(guān)分析算法是根據(jù)加速度相鄰2個變化周期之間的相關(guān)系數(shù)來判斷是否完成1次動作。當(dāng)測試人員在做高抬腿和坐站動作時，因腿部運動產(chǎn)生的加速度呈規(guī)律性變化，根據(jù)其規(guī)律性變化實現(xiàn)計次。該算法就是利用當(dāng)前計次的加速度變化范圍和上一計次的加速度變化范圍之間的關(guān)系，根據(jù)其關(guān)系的具體大小來判別次數(shù)。具體操作過程如下：

1）獲得1次周期變化的加速度標(biāo)準(zhǔn)差

式中u為該周期內(nèi)加速度序列｛a1，a2，…，an｝的均值。根據(jù)不同的人測試過程所展現(xiàn)的加速度序列的差異，經(jīng)過多次試驗確定標(biāo)準(zhǔn)差的閾值設(shè)置為0.2。

2）計算2次計次之間的自相關(guān)系數(shù)

式中μ（m，t）和σ（m，t）分別為加速度序列｛a（k），a（k＋1），…，a（k＋t＋1）｝的均值和標(biāo)準(zhǔn)差。但即便是相同的動作，不同的人來做所得到的結(jié)果也不完全一致。因此，t是一個變化的量。將t的變化范圍選定為tmin～tmax，通過將式（4）計算自相關(guān)系數(shù)ρ（m，t）。當(dāng)ρ（m，t）達到最大值時，t值為加速度變化一個周期的時間

經(jīng)過多次計算，分析每次獲取加速度自相關(guān)系數(shù)之間的差異，多次試驗后獲取閾值0.5 進行計次判斷。自相關(guān)算法流程如圖4所示。

圖4 自相關(guān)檢測算法流程

3.3 自適應(yīng)峰值檢測算法

3.3.1 算法原理

在常規(guī)峰值檢測算法中，通常利用固定時間窗口、固定加速度閾值達到計次、計數(shù)或者計步的要求，但是當(dāng)動作速度變化周期性不明顯且有標(biāo)準(zhǔn)動作要求時，會導(dǎo)致檢測的準(zhǔn)確率下降。同時人們在做高抬腿和坐站動作時的頻率是不一樣的，如果只依據(jù)加速度來進行計次，會出現(xiàn)計次結(jié)果不準(zhǔn)確或者將不標(biāo)準(zhǔn)的動作計入總數(shù)內(nèi)的情況。為了判斷動作做的標(biāo)準(zhǔn)與否，進行自適應(yīng)加速度閾值和時間鄰域窗口的檢測后，加入角度判別，這樣在實現(xiàn)計次功能的同時，確保所有計次動作滿足標(biāo)準(zhǔn)要求。

3.3.2 閾值設(shè)置

將做高抬腿和坐站動作時采集的加速度數(shù)據(jù)對比可知，兩種動作加速度峰值是有差異的（如圖5 所示）。對采集到的加速度數(shù)據(jù)進行統(tǒng)計，如圖6所示。統(tǒng)計結(jié)果顯示：做標(biāo)準(zhǔn)高抬腿動作時，加速度峰值有98%在［0.1，0.5］gn；做標(biāo)準(zhǔn)坐站動作時，加速度峰值有99%在［0，0.1］gn。故此，加速度變化幅值可作為區(qū)分2個動作的閾值。另外，根據(jù)國家標(biāo)準(zhǔn)，對做高抬腿動作的腿抬高高度設(shè)置角度為大于等于80°，此角度閾值同樣滿足坐站動作的標(biāo)準(zhǔn)需求。根據(jù)人體正常做標(biāo)準(zhǔn)高抬腿動作時的頻率設(shè)置時間閾值為［0.96，1.76］s，而做標(biāo)準(zhǔn)坐站時的頻率設(shè)置時間閾值為［1.58，3.75］s。

圖5 高抬腿與坐站加速度差異

圖6 最大加速度分布

3.3.3 自適應(yīng)峰值檢測算法

自適應(yīng)峰值檢測算法根據(jù)做高抬腿和坐站動作時的加速度變化與時間頻率的不同實現(xiàn)計次，利用角度變化確定動作標(biāo)準(zhǔn)與否。算法流程如圖7所示。

圖7 自適應(yīng)峰值檢測算法流程

1）利用滑動固定時間窗口確定加速度潛在峰值，限制加速度閾值進行初次判斷。峰值小于0.1gn為坐站動作，大于等于0.1gn為高抬腿動作。2）計算潛在峰值與前一峰值的時間差，利用2 個動作的頻率不同進行第二次識別。時間差在［0.96，1.76］s內(nèi)為高抬腿動作；在［1.58，3.75］s內(nèi)為坐站動作。高抬腿動作的前后鄰域設(shè)置為1 s，坐站動作的前后鄰域設(shè)置為2 s，若確定的潛在峰值在前后鄰域內(nèi)為最大值，則進入角度判別。3）判斷此時的膝蓋彎曲角度是否大于等于80°，如符合要求，則記1 次；如不符合角度閾值設(shè)置，則重新計次。4）根據(jù)首次判斷的動作，設(shè)置時間要求為2 min或者30 s，知道提示時間結(jié)束，顯示總次數(shù)，計次完成。

4 試驗與結(jié)果分析

4.1 試驗設(shè)計

根據(jù)國家體質(zhì)檢測對2 min原地高抬腿和30 s坐站的動作標(biāo)準(zhǔn)設(shè)計試驗過程如下：2 min 原地高抬腿的動作要求，受試者在2 min內(nèi)快速的進行左右腿交替高抬腿動作，腿抬高角度約為80°（膝蓋抬高的高度與受試者同側(cè)髂棘和髕骨垂直距離的中點高度相當(dāng)），具體動作分解如圖8（a）所示。30 s 坐站動作要求，受試者端坐在方箱上，雙臂交叉放在胸前，背部保持挺直狀態(tài)，受試者快速站起呈完全直立姿勢后再坐回方箱（高43 cm）上，此時記為1 次坐站，具體動作分解如圖8（b）所示。

圖8 高抬腿動作和坐站動作分解

為驗證檢測算法的準(zhǔn)確性，每組受試者隨機做8 個不標(biāo)準(zhǔn)高抬腿動作。針對以上動作標(biāo)準(zhǔn)結(jié)合搭建的系統(tǒng)平臺選取4人進行試驗，并將采集到的16組數(shù)據(jù)進行計數(shù)統(tǒng)計和算法分析。

4.2 試驗結(jié)果與分析

根據(jù)以上采集的所有數(shù)據(jù)，分別采用3 種檢測方法進行處理，處理結(jié)果如表1。圖9 為高抬腿和坐站動作計次效果。

表1 高抬腿動作和坐站動作結(jié)果對比

圖9 高抬腿動作和坐站動作計次效果

由圖10可看出，3 種檢測算法都能實現(xiàn)對體測指標(biāo)高抬腿和坐站動作的計次要求，其中峰值檢測算法準(zhǔn)確率在91.25%左右，自相關(guān)檢測算法的準(zhǔn)確率在92.75%左右，而自適應(yīng)峰值檢測算法的檢測正確率可達到98.25%以上。但是，從表1中可以看出，峰值檢測算法和自相關(guān)檢測算法對于不滿足標(biāo)準(zhǔn)的動作也計入總數(shù)內(nèi)。因此，以角度為基礎(chǔ)的計次，更符合高抬腿和坐站動作需求。由表1 的統(tǒng)計結(jié)果可知，自適應(yīng)峰值檢測算法不僅能準(zhǔn)確識別動作次數(shù)還能自動過濾掉不標(biāo)準(zhǔn)的動作，符合體測的要求。

圖10 不同算法計次正確率

5 結(jié) 論

針對常規(guī)峰值檢測算法對人體姿態(tài)和動作識別能力差的問題，設(shè)計了一種能自適應(yīng)判斷不同運動狀態(tài)的自適應(yīng)峰值檢測算法，在滿足腿部抬高一定角度的標(biāo)準(zhǔn)動作下實現(xiàn)計次。該算法在融合峰值檢測算法的基礎(chǔ)上對不同動作的加速度有良好的適應(yīng)性，通過對不同運動狀態(tài)參數(shù)的設(shè)置，確定潛在峰值區(qū)間、時間閾值、改變鄰域窗口實現(xiàn)精準(zhǔn)計數(shù)。測試結(jié)果表明，高抬腿動作計次正確率可達到99.75%，坐站動作計次正確率可達到98.25%以上。為促進體質(zhì)檢測技術(shù)集成化和智能化的發(fā)展提供了算法基礎(chǔ)。