一种具有行为识别功能的腕部智能穿戴设备

技术领域

本发明属于智能穿戴技术领域，具体涉及一种具有行为识别功能的腕部智能穿戴设备。

背景技术

用于行为识别的腕部可穿戴产品可以方便地跟踪人体运动信息并识别穿戴者的行为类型，可用于辅助健康生活、摔倒检测和康复训练等。

传感器、无线通讯、数据科学、机器学习等技术的发展使得智能生活辅助系统在促进老年人独立生活、引导积极和健康生活方面取得了实质性进展。用于行为识别的腕部可穿戴产品可以方便地跟踪运动信息并识别穿戴者的行为类型，人体日常行为识别辅助系统能有效地帮助居家或者社区养老的老年人，缓解家庭和社会养老压力。

绝大多数基于腕部的穿戴传感器行为识别系统是把传感器佩戴在腕部的某一个初始定义好的位置，如图1(a)所示，在行为数据采集、训练及识别的过程中，要求传感器的位置尽量在手腕初始位置上固定不变，这些腕部传感器行为识别系统在计步、运动量及卡路里消耗、心率测算等方面已经有了广泛的应用。但是日常行为，比如走路、做饭、看书、躺着看电视等日常行为的识别，比计步和心率测算等要复杂得多。另一方面，人在实施日常行为的过程中，传感器的松散佩戴和不同个体的佩戴习惯都会引起传感器和腕部之间的相对移动；同时，不同佩戴者佩戴传感器的位置可能和识别系统定义的初始位置不同。当直接用来自于初始定义佩戴位置的数据所训练的识别模型识别传感器位置变化后的行为数据时，有可能造成比较大的识别偏差。

现在的惯性传感器除了提供单个传感器的运动数据外，还能够提供传感器装置的姿态角数据；加速度计传感器记录的数据是基于传感器本身的坐标系，而这个坐标系是随着传感器位置或方向的改变而改变的，当传感器从初始定义位置沿着手腕滑动或者移动到图1(a)中所示的另一个位置时，加速度计的坐标系是基于传感器本身不变的，而它的数值相对于图1(b)所示的地参考坐标系又是改变的，因此单纯使用加速度计很难精确判断传感器的位置改变；如图1(d)所示，传感器姿态角的参考坐标系在传感器位置变化以后相对于地参考坐标来说是不变化的，这就有利于使用姿态角,即俯仰角(-90°-90°),翻滚角(-180°-180°)或偏航角(0-360°)，来判断传感器的新位置并与初始位置进行对照分析，从而利用这个位置差值来补偿传感器位置变化引起的传感器数据的变化，进而补偿行为识别率因传感器位置变化引起的变化。

为了便于实现传感器的快速安装以及对腕部传感器位置变化引起的数据变化进行在线补偿，为此我们提出一种具有行为识别功能的腕部智能穿戴设备。

发明内容

本发明的目的在于提供一种具有行为识别功能的腕部智能穿戴设备，便于实现传感器的快速安装以及对腕部传感器位置变化引起的数据变化进行在线补偿。

为实现上述目的，本发明提供如下技术方案：一种具有行为识别功能的腕部智能穿戴设备，包括放置块、传感器和固定机构，所述固定机构包括弹簧和抵块，所述传感器可置于放置块内，所述放置块的内侧面设置有多个弹簧，该弹簧的端部固定有抵块，且抵块可与传感器相抵。

优选的，所述放置块的一侧设置有腕带一，该腕带一的后表面设置有凸起，所述放置块的另一侧设置有腕带二，该腕带二的端部设置有供腕带一穿过的限位扣，所述腕带二的表面开设有供凸起插入的固定口。

优选的，所述限位扣和腕带二为一体式结构，且腕带二的表面开设有多个均匀分布的固定口，所述凸起为柱形结构。

优选的，穿戴设备的使用方法如下：

步骤一：穿戴设备置于手腕上，腕带一从限位扣的内部穿过，并使得腕带一上的凸起扣在对应的固定口上，使得穿戴设备佩戴稳固；

步骤二：采集来自于腕部穿戴传感器的行为数据，基于这些数据设计、训练和优化深度学习识别模型；

步骤三：训练好的模型对传感器位置改变后的数据进行行为识别；

步骤四：识别时实时检测当前传感器位置的姿态角，并与初始位置的姿态角进行对比，当位置误差高于设定的阈值时，对当前的传感器数据进行统计补偿，补偿后的传感器数据再用于行为识别。

优选的，所述模型可采用卷积神经网络CNN、循环神经网络LSTM。

与现有技术相比，本发明的有益效果是：

(1)能够对腕部传感器位置变化引起的数据变化进行在线补偿；不需要人工提取特征，利用深度学习自动学习特征并进行行为识别；实现传感器位置变化前后识别率基本保持稳定；

(2)通过设计的固定机构，使得传感器安装稳固，实现了传感器的快速安装。

附图说明

图1为本发明的腕部传感器位置改变时加速度计和传感器姿态坐标系的变化结构示意图；

图2为本发明的腕部穿戴位置自适应的行为识别实施框图；

图3为本发明的穿戴位置自适应的行为识别实施流程图；

图4为本发明的传感器安装结构示意图；

图5为本发明的图4中的B区放大结构示意图；

图6为本发明的腕带一俯视结构示意图；

图中：1、放置块；2、腕带一；3、传感器；4、限位扣；5、固定口；6、腕带二；7、弹簧；8、抵块；9、凸起。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1、图2、图3、图4、图5和图6，本发明提供一种技术方案：一种具有行为识别功能的腕部智能穿戴设备，包括放置块1、传感器3和固定机构，固定机构包括弹簧7和抵块8，传感器3可置于放置块1内，放置块1的内侧面设置有多个弹簧7，该弹簧7的端部固定有抵块8，且抵块8可与传感器3相抵，传感器3安装时，拿起传感器3，将传感器3置于放置块1内，传感器3安装时对抵块8施压，抵块8受压后压缩弹簧7，弹簧7受压具有复位的效果，带动抵块8抵在传感器3上，使得传感器3安装稳固，实现了传感器3的快速安装。

本实施例中，优选的，放置块1的一侧设置有腕带一2，该腕带一2的后表面设置有凸起9，放置块1的另一侧设置有腕带二6，该腕带二6的端部设置有供腕带一2穿过的限位扣4，腕带二6的表面开设有供凸起9插入的固定口5，限位扣4和腕带二6为一体式结构，且腕带二6的表面开设有多个均匀分布的固定口5，凸起9为柱形结构，腕带一2从限位扣4穿过，并使得腕带一2后表面的凸起9插入腕带二6表面开设的固定口5内，使得佩戴牢固。

现在的惯性传感器3除了提供单个传感器3的运动数据外，还能够提供传感器3装置的姿态角数据；加速度计传感器3记录的数据是基于传感器3本身的坐标系，而这个坐标系是随着传感器3位置或方向的改变而改变的，当传感器3从初始定义位置沿着手腕滑动或者移动到图1(a)中所示的另一个位置时，加速度计的坐标系是基于传感器本身不变的，而它的数值相对于图1(b)所示的地参考坐标系又是改变的，因此单纯使用加速度计很难精确判断传感器的位置改变；如图1(d)所示，传感器姿态角的参考坐标系在传感器位置变化以后相对于地参考坐标来说是不变化的，这就有利于使用姿态角,即俯仰角(-90°-90°),翻滚角(-180°-180°)或偏航角(0-360°)，来判断传感器的新位置并与初始位置进行对照分析，从而利用这个位置差值来补偿传感器位置变化引起的传感器数据的变化，进而补偿行为识别率因传感器位置变化引起的变化。

本发明的工作原理及使用流程：工作原理：利用传感器3姿态角的坐标系基于地理坐标系不变的机理并借用反馈的原理，将传感器3姿态位置作为行为识别系统的设定值，同时实时监测传感器的姿态位置变化；当传感器3当前姿态位置与设定值不同时则对当前行为数据进行统计特征补偿以减小当前传感器3数据和设定位置传感器3数据的差距，再利用已经在初始设定位置训练好的识别模型对补偿后的行为数据进行识别测试以稳定识别率，这样的位置反馈识别系统可以有效避免传感器3位置变化引起的数据变化而导致的识别率变换问题，并避免传感器3位置变化后的数据需要重新进行模型训练的重复工作，最终实现一个反馈原理和深度学习相结合的对于腕部传感,3位置自适应的行为识别平台；

穿戴设备置于手腕上，腕带一2从限位扣4的内部穿过，并使得腕带一2后表面的凸起9插入腕带二6表面开设的固定口5内，使得穿戴设备佩戴稳固；

步骤二：采集来自于腕部穿戴传感器3的行为数据，基于这些数据设计、训练和优化深度学习识别模型；模型可以采用卷积神经网络CNN、循环神经网络LSTM，深度学习模型直接接受传感器时间序列并自动学习数据特征，不需要人工提取数据特征和选择特征集；

步骤三：训练好的模型对传感3位置改变后的数据进行行为识别；

步骤四：识别时实时检测当前传感器3位置的姿态角，并与初始位置的姿态角进行对比，当位置误差高于设定的阈值时，对当前的传感器3数据进行统计补偿，补偿后的传感器3数据再用于行为识别。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。