本公開(kāi)涉及運(yùn)動(dòng)檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種步伐識(shí)別方法及裝置。

背景技術(shù)：

隨著嵌入式設(shè)備的迅速普及以及相應(yīng)的信號(hào)處理技術(shù)不斷發(fā)展，嵌入式設(shè)備的姿態(tài)識(shí)別技術(shù)普遍應(yīng)用于航天/航空、軍事偵查以及民用領(lǐng)域。步伐檢測(cè)是姿態(tài)識(shí)別中一項(xiàng)基礎(chǔ)的技術(shù)，比如使用智能手機(jī)中加速度計(jì)和角速度計(jì)測(cè)得的數(shù)據(jù)來(lái)判斷攜帶該設(shè)備的人員的步伐狀態(tài)，并且基于識(shí)別的步伐狀態(tài)來(lái)對(duì)攜帶該設(shè)備的人員步伐進(jìn)行計(jì)數(shù)，或者就有所識(shí)別的步伐狀態(tài)來(lái)判斷攜帶該設(shè)備的人員是出于步行狀態(tài)或是奔跑狀態(tài)，并由此估計(jì)攜帶該設(shè)備的人員的行走速度。步伐的識(shí)別可以應(yīng)用在室內(nèi)導(dǎo)航、安防等領(lǐng)域。

現(xiàn)有的步伐識(shí)別方法常常利用傳感器測(cè)得的加速度數(shù)據(jù)進(jìn)行峰值檢測(cè)，通過(guò)判斷加速度峰值是否超過(guò)閾值進(jìn)行步伐計(jì)數(shù)。這樣的方法依賴于主觀經(jīng)驗(yàn)，步伐計(jì)數(shù)準(zhǔn)確度較低，難以判斷步伐狀態(tài)是行走還是奔跑，難以判斷步伐的速度。此外，統(tǒng)一設(shè)置的參數(shù)會(huì)導(dǎo)致嚴(yán)格的標(biāo)準(zhǔn)化，而不同人的步伐規(guī)律并不一樣，簡(jiǎn)單的判斷規(guī)則無(wú)法針對(duì)不同用戶進(jìn)行個(gè)性化處理。

技術(shù)實(shí)現(xiàn)要素：

基于現(xiàn)有步伐識(shí)別和步數(shù)計(jì)量方面的存在問(wèn)題，本公開(kāi)提供了一種步伐識(shí)別方法，包括：將多段步伐訓(xùn)練樣本數(shù)據(jù)輸入最小二乘支持向量機(jī)的步伐識(shí)別模型進(jìn)行訓(xùn)練，并通過(guò)交叉驗(yàn)證確定初始的步伐識(shí)別模型的各參數(shù)的初始值，形成初始的步伐識(shí)別模型；獲取用戶一段時(shí)間段內(nèi)的當(dāng)前步伐數(shù)據(jù)；對(duì)所述當(dāng)前步伐數(shù)據(jù)進(jìn)行預(yù)處理；以及將經(jīng)預(yù)處理的當(dāng)前步伐數(shù)據(jù)輸入所述初始的步伐識(shí)別模型，由此識(shí)別用戶的步伐類別。

根據(jù)本公開(kāi)的步伐識(shí)別方法，所述最小二乘支持向量機(jī)的核函數(shù)為徑向基核函數(shù)。

根據(jù)本公開(kāi)的步伐識(shí)別方法，所述多段步伐訓(xùn)練樣本數(shù)據(jù)的原始步伐數(shù)據(jù)是通過(guò)用戶攜帶的設(shè)備中的三軸加速度傳感器與三軸角速度傳感器實(shí)時(shí)獲取的三軸加速度和三軸角速度。

根據(jù)本公開(kāi)的步伐識(shí)別方法，所述原始步伐數(shù)據(jù)經(jīng)過(guò)預(yù)處理成為所述步伐訓(xùn)練樣本數(shù)據(jù)。

根據(jù)本公開(kāi)的步伐識(shí)別方法，所述預(yù)處理為低通濾波。

根據(jù)本公開(kāi)的步伐識(shí)別方法，所述步伐識(shí)別模型的參數(shù)的初始值包括正則化參數(shù)的初始值和徑向基核函數(shù)的寬度的初始值。

根據(jù)本公開(kāi)的步伐識(shí)別方法，所述多段原始步伐數(shù)據(jù)中的每一段對(duì)應(yīng)預(yù)先設(shè)定的多個(gè)步伐類別中的一個(gè)。

根據(jù)本公開(kāi)的步伐識(shí)別方法，其還包括：累積一段時(shí)間內(nèi)用戶被成功識(shí)別的步伐數(shù)據(jù)；以及將所累積的步伐數(shù)據(jù)輸入最小二乘支持向量機(jī)的步伐識(shí)別模型進(jìn)行訓(xùn)練，通過(guò)交叉驗(yàn)證更新用戶的步伐識(shí)別模型的各參數(shù)，由此獲得專用于該用戶的步伐識(shí)別模型。

根據(jù)本公開(kāi)的另一個(gè)方面，還提供了一種步伐識(shí)別裝置，包括：參數(shù)設(shè)置單元，獲取多段與完整原始步伐數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練樣本數(shù)據(jù)輸入最小二乘支持向量機(jī)的步伐識(shí)別模型進(jìn)行訓(xùn)練，由此通過(guò)交叉驗(yàn)證確定初始的步伐識(shí)別模型的各參數(shù)的初始值；用戶步伐數(shù)據(jù)獲取單元，獲取用戶一段時(shí)間段內(nèi)的當(dāng)前步伐數(shù)據(jù)；預(yù)處理單元，對(duì)所述當(dāng)前步伐數(shù)據(jù)進(jìn)行預(yù)處理；以及步伐識(shí)別單元，將經(jīng)預(yù)處理的當(dāng)前步伐數(shù)據(jù)輸入所述初始的步伐識(shí)別模型，由此識(shí)別用戶的步伐類別。

根據(jù)本公開(kāi)的步伐識(shí)別裝置，所述最小二乘支持向量機(jī)的核函數(shù)為徑向基核函數(shù)。

根據(jù)本公開(kāi)的步伐識(shí)別裝置，所述步伐數(shù)據(jù)是通過(guò)所述用戶步伐數(shù)據(jù)獲取單元中的三軸加速度傳感器與三軸角速度傳感器實(shí)時(shí)獲取的三軸加速度和三軸角速度。

根據(jù)本公開(kāi)的步伐識(shí)別裝置，所述預(yù)處理包括對(duì)步伐數(shù)據(jù)進(jìn)行低通濾波。

根據(jù)本公開(kāi)的步伐識(shí)別裝置，所述初始的步伐識(shí)別模型的各參數(shù)的初始值為正則化參數(shù)的初始值和徑向基核函數(shù)的寬度的初始值。

根據(jù)本公開(kāi)的步伐識(shí)別裝置，所述多段與完整原始步伐數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練樣本數(shù)據(jù)中的每個(gè)樣本對(duì)應(yīng)預(yù)先設(shè)定的多個(gè)步伐類別中的一個(gè)。

根據(jù)本公開(kāi)的步伐識(shí)別裝置，其還包括參數(shù)更新單元，其累積一段時(shí)間內(nèi)用戶被成功識(shí)別的步伐數(shù)據(jù)以及將所累積的成功識(shí)別的步伐數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù)輸入最小二乘支持向量機(jī)的步伐識(shí)別模型進(jìn)行訓(xùn)練，通過(guò)交叉驗(yàn)證更新用戶的步伐識(shí)別模型的各參數(shù)，由此獲得專用于該用戶的步伐識(shí)別模型。

附圖說(shuō)明

此處的附圖被并入說(shuō)明書(shū)中并構(gòu)成本說(shuō)明書(shū)的一部分，示出了符合本公開(kāi)的實(shí)施例，并與說(shuō)明書(shū)一起用于解釋本公開(kāi)的原理。

下面將參考附圖通過(guò)實(shí)施例來(lái)詳細(xì)介紹本公開(kāi)，附圖中：

圖1所示為本公開(kāi)的步伐識(shí)別方法的一個(gè)實(shí)施例的流程示意圖；

圖2所示為本公開(kāi)的步伐識(shí)別方法的實(shí)時(shí)識(shí)別流程示意圖；

圖3所示為本公開(kāi)的步伐識(shí)別方法的原理框圖。

圖4所示為本公開(kāi)的原始數(shù)據(jù)獲取與預(yù)處理的流程框圖。

圖5所示為本公開(kāi)的實(shí)時(shí)步伐的具體識(shí)別的流程圖。

圖6所示為本公開(kāi)的步伐識(shí)別裝置的示意性框圖。

具體實(shí)施方式

這里將詳細(xì)地對(duì)示例性實(shí)施例進(jìn)行說(shuō)明，其示例表示在附圖中。下面的描述涉及附圖時(shí)，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實(shí)施例中所描述的實(shí)施方式并不代表與本公開(kāi)相一致的所有實(shí)施方式。相反，它們僅是與如所附權(quán)利要求書(shū)中所詳述的、本公開(kāi)的一些方面相一致的裝置和方法的例子。

在本公開(kāi)使用的術(shù)語(yǔ)是僅僅出于描述特定實(shí)施例的目的，而非旨在限制本開(kāi)。在本公開(kāi)和所附權(quán)利要求書(shū)中所使用的單數(shù)形式的“一種”、“所述”和“該”也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。還應(yīng)當(dāng)理解，本文中使用的術(shù)語(yǔ)“和/或”是指并包含一個(gè)或多個(gè)相關(guān)聯(lián)的列出項(xiàng)目的任何或所有可能組合。

應(yīng)當(dāng)理解，盡管在本公開(kāi)可能采用術(shù)語(yǔ)第一、第二、第三等來(lái)描述各種信息，但這些信息不應(yīng)限于這些術(shù)語(yǔ)。這些術(shù)語(yǔ)僅用來(lái)將同一類型的信息彼此區(qū)分開(kāi)。例如，在不脫離本公開(kāi)范圍的情況下，在下文中，兩個(gè)類別之一可以被稱為第一類別也可以被稱為第二類別，類似地，兩個(gè)類別的另一個(gè)可以被稱為第二類別也可以被稱為第一類別。取決于語(yǔ)境，如在此所使用的詞語(yǔ)“如果”可以被解釋成為“在……時(shí)”或“當(dāng)……時(shí)”或“響應(yīng)于確定”。

為了使本領(lǐng)域技術(shù)人員更好地理解本公開(kāi)，下面結(jié)合附圖和具體實(shí)施方式對(duì)本公開(kāi)作進(jìn)一步詳細(xì)說(shuō)明。

圖1所示為本公開(kāi)的步伐識(shí)別方法100的一個(gè)實(shí)施例的流程圖。方法100可以包含如下步驟101至103。

在步驟101中，建立初步步伐識(shí)別模型。

在本公開(kāi)的一個(gè)實(shí)施例中，選取了最小二乘支持向量機(jī)作為步伐識(shí)別模型。支持向量機(jī)(SVM，Support Vector Machine)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法，建立在結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則上，在各種分類問(wèn)題中廣泛應(yīng)用，相比于其他的機(jī)器學(xué)習(xí)方法，其泛化能力較強(qiáng)。SVM將實(shí)際問(wèn)題通過(guò)非線性變換轉(zhuǎn)換到高維的特征空間，在高維空間中構(gòu)造線性決策來(lái)實(shí)現(xiàn)原空間的非線性決策問(wèn)題，能避免神經(jīng)網(wǎng)絡(luò)存在的過(guò)擬合和局部極值點(diǎn)的缺陷問(wèn)題，在小樣本、非線性及高維模式識(shí)別問(wèn)題中表現(xiàn)優(yōu)異，能推廣到各種分類問(wèn)題中。本公開(kāi)使用的最小二乘持向量機(jī)(LS-SVM，Least Squares Support Vector Machine)是標(biāo)準(zhǔn)支持向量機(jī)的擴(kuò)展，它采用改進(jìn)的最小二乘方法來(lái)解決支持向量機(jī)中最優(yōu)超平面的求解問(wèn)題，使該優(yōu)化問(wèn)題中的不等式約束變?yōu)榈仁郊s束，從而大大降低計(jì)算的復(fù)雜度，計(jì)算速度較快，可以應(yīng)用在各種實(shí)時(shí)系統(tǒng)中。因此，本公開(kāi)在步伐識(shí)別中利用了LS-SVM有助于在較小樣本的情況下建立合適的模型，提高步伐計(jì)數(shù)的準(zhǔn)確性，準(zhǔn)確識(shí)別步伐狀態(tài)，達(dá)到簡(jiǎn)單規(guī)則所不能達(dá)到的效果。

在本公開(kāi)的一個(gè)實(shí)施例中，最小二乘支持向量機(jī)的核函數(shù)可以為徑向基核函數(shù)。徑向基函數(shù)是一個(gè)取值僅僅依賴于離原點(diǎn)距離的實(shí)值函數(shù)，也就是Φ(x)＝Φ(∥x∥),或者還可以是到任意一點(diǎn)c的距離，c點(diǎn)稱為中心點(diǎn)，也就是Φ(x，c)＝Φ(∥x-c∥)。任意一個(gè)滿足Φ(x)＝Φ(∥x∥)特性的函數(shù)Φ都叫做徑向基函數(shù)，標(biāo)準(zhǔn)的一般使用歐氏距離(也叫做歐式徑向基函數(shù))，盡管其他距離函數(shù)也是可以的，例如最常用的徑向基函數(shù)是高斯核函數(shù)。在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，可以作為全連接層和ReLU層的主要函數(shù)。

為了建立初步步伐識(shí)別模型，可以規(guī)定七類步伐類別：

類別1，未識(shí)別到新的步伐；

類別2，識(shí)別到“步行”、“慢速”的步伐；

類別3，識(shí)別到“步行”、“中速”的步伐；

類別4，識(shí)別到“步行”、“快速”的步伐；

類別5，識(shí)別到“奔跑”、“慢速”的步伐；

類別6，識(shí)別到“奔跑”、“中速”的步伐；

類別7，識(shí)別到“奔跑”、“快速”的步伐。

盡管此處規(guī)定了這7中步伐類別，用戶也可以根據(jù)自己的需要對(duì)步伐類別進(jìn)行調(diào)整。

用戶可以采用各種方式對(duì)步伐識(shí)別模型進(jìn)行初始化訓(xùn)練。訓(xùn)練方式有兩種，一種是直接通過(guò)網(wǎng)絡(luò)獲取的步伐類別訓(xùn)練數(shù)據(jù)輸入步伐識(shí)別模型對(duì)該模型進(jìn)行訓(xùn)練，由此直接獲取該模型進(jìn)行步伐識(shí)別的初始參數(shù)值。另一種方式是通過(guò)后面將提到的用戶步伐數(shù)據(jù)獲取單元直接獲取多段與完整原始步伐數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練樣本數(shù)據(jù)，然后將該訓(xùn)練樣本數(shù)據(jù)輸入最小二乘支持向量機(jī)的步伐識(shí)別模型進(jìn)行訓(xùn)練。

上述兩種方式向最小二乘支持向量機(jī)的輸入的每份訓(xùn)練樣本數(shù)據(jù)可以是某一時(shí)刻和該時(shí)刻前k₀個(gè)時(shí)刻的加速度數(shù)據(jù)與角速度數(shù)據(jù)。因此，步伐識(shí)別模型可以表示為

y(k)＝f(Α(k-k₀),···,Α(k),Ω(k-k₀),···,Ω(k))

其輸入為某一時(shí)刻以及其前k₀個(gè)時(shí)刻的加速度數(shù)據(jù)Α與角速度數(shù)據(jù)Ω。

其輸出y(k)可以是預(yù)先設(shè)定的多個(gè)步伐類別中的一個(gè)。

通過(guò)反復(fù)輸入同一步伐類別的不同訓(xùn)練樣本數(shù)據(jù)，經(jīng)過(guò)交叉驗(yàn)證可以確定某一同類步伐的初始步伐識(shí)別模型的各參數(shù)的初始值。由此建立初始步伐識(shí)別模型。

在建立初始步伐識(shí)別模型之后，隨后用戶可以通過(guò)步伐識(shí)別裝置(后面將會(huì)解釋)進(jìn)入實(shí)際步伐識(shí)別步驟102。在該步驟中，用戶可以對(duì)自己的步伐進(jìn)行識(shí)別。

圖2所示的是步伐識(shí)別步驟102的具體過(guò)程。如圖2所示，首先，在步驟S1021中，用戶通過(guò)步伐識(shí)別裝置中的用戶步伐數(shù)據(jù)獲取單元(后面將會(huì)解釋)獲取用戶一段時(shí)間段內(nèi)的當(dāng)前步伐數(shù)據(jù)。具體而言，采用用戶步伐數(shù)據(jù)獲取單元中的三軸加速度傳感器與三軸角速度傳感器獲取用戶在一定時(shí)間段內(nèi)的三軸加速度和三軸角速度數(shù)據(jù)。在本公開(kāi)的一個(gè)實(shí)施例中，可以通過(guò)行人所攜帶的步伐識(shí)別裝置(諸如智能手機(jī)、智能穿戴設(shè)備等)上集成的三軸加速度傳感器與三軸角速度傳感器來(lái)獲取用戶一段時(shí)間段內(nèi)的當(dāng)前步伐數(shù)據(jù)。這些步伐數(shù)據(jù)可以分別包含有三個(gè)維度上的標(biāo)量大小，其中的加速度數(shù)據(jù)可以記錄為時(shí)序信號(hào)序列a_x(t)、a_y(t)、a_z(t)，其中的角速度數(shù)據(jù)可以記錄為時(shí)序信號(hào)序列ω_x(t)、ω_y(t)、ω_z(t)。步伐識(shí)別裝置內(nèi)的三軸加速度計(jì)可以以大約100Hz的頻率獲取加速度數(shù)據(jù)與角速度數(shù)據(jù)。該頻率也可以根據(jù)用戶的需要自主調(diào)節(jié)，例如，有的用戶可能步頻快，則可以增加步伐數(shù)據(jù)的獲取頻率。

接著，預(yù)處理單元(后面將會(huì)解釋)對(duì)所述當(dāng)前步伐數(shù)據(jù)進(jìn)行預(yù)處理(S1022)。具體而言，該預(yù)處理單元例如為后面所述的低通濾波器。該低通濾波器對(duì)當(dāng)前步伐數(shù)據(jù)進(jìn)行低通濾波后得到的數(shù)據(jù)可以表示為a_x′(t)、a′_y(t)、a_z′(t)、ω_x′(t)、ω_y′(t)、ω_z′(t)，即：

Α(k)＝{a_x′(k),a′_y(k),a_z′(k)}

Ω(k)＝{ω_x′(k),ω_y′(k),ω_z′(k)}

盡管上面的步驟S1021以及S1022是對(duì)用戶的步伐進(jìn)行識(shí)別時(shí)對(duì)用戶的當(dāng)前步伐數(shù)據(jù)進(jìn)行采集和預(yù)處理的步驟，但是這些步驟也可以在對(duì)步伐識(shí)別模型進(jìn)行初始化訓(xùn)練時(shí)用于獲取訓(xùn)練樣本數(shù)據(jù)集合。具體而言，在步伐識(shí)別模型的初始狀態(tài)下，例如以智能手機(jī)為具體實(shí)例，利用手機(jī)內(nèi)的三軸加速度計(jì)以大約100Hz的頻率獲取超過(guò)200分鐘的各種已知行走狀態(tài)下的加速度和角速度數(shù)據(jù)，作為原始樣本數(shù)據(jù)，并對(duì)這些原始樣本數(shù)據(jù)進(jìn)行如上所述的預(yù)處理，從而獲得訓(xùn)練樣本數(shù)據(jù)。

具體而言，針對(duì)每種步伐類別，分別收集一定數(shù)量原始步伐樣本數(shù)據(jù)，即，一定數(shù)量的的加速度與角速度數(shù)據(jù)，并對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理。隨后，將每一段完整的步伐所對(duì)應(yīng)的數(shù)據(jù)的時(shí)間序列及其步伐狀態(tài)(步伐類別)作為一組訓(xùn)練數(shù)據(jù)，對(duì)步伐識(shí)別模型進(jìn)行訓(xùn)練，通過(guò)交叉驗(yàn)證法確定模型步伐識(shí)別模型中的正則化參數(shù)的初始值和徑向基核函數(shù)的寬度的初始值，從而得到初始的步伐識(shí)別模型f₀(·)。

返回參看圖2。如圖2所示，在步驟S1023處，步伐識(shí)別單元將將在步驟S1022處經(jīng)預(yù)處理的當(dāng)前步伐數(shù)據(jù)輸入所述初始的步伐識(shí)別模型，由此識(shí)別用戶的步伐類別。具體而言，將當(dāng)前時(shí)刻之前某個(gè)固定長(zhǎng)度時(shí)間內(nèi)的數(shù)據(jù)看作一個(gè)時(shí)間窗口，時(shí)間窗口隨時(shí)間不斷更新，步伐識(shí)別的過(guò)程僅在當(dāng)前時(shí)間窗口上進(jìn)行。根據(jù)最小二乘支持向量機(jī)的步伐識(shí)別模型設(shè)置時(shí)間窗口參數(shù)的數(shù)值，將當(dāng)前時(shí)間窗口中經(jīng)過(guò)預(yù)處理后的步伐數(shù)據(jù)輸入步伐識(shí)別模型，即可輸出當(dāng)前步伐的狀態(tài)所處的類別。若為類別1，代表未檢測(cè)到步伐，繼續(xù)識(shí)別，否則，步伐計(jì)數(shù)器加一，輸出結(jié)果，等待一個(gè)時(shí)間間隔t₀后繼續(xù)識(shí)別。

返回參看圖1。如圖1所示，在步驟S103處，在用戶反復(fù)使用步伐識(shí)別模型成功識(shí)別自己的步伐的過(guò)程中，步伐識(shí)別裝置中的參數(shù)更新單元(將在后面解釋)會(huì)將一段時(shí)間內(nèi)用戶被成功識(shí)別的步伐數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù)存儲(chǔ)在本地存儲(chǔ)單元中，并在一定時(shí)間后將所有累積的訓(xùn)練樣本數(shù)據(jù)輸入最小二乘支持向量機(jī)的步伐識(shí)別模型進(jìn)行訓(xùn)練，通過(guò)交叉驗(yàn)證更新用戶的步伐識(shí)別模型的各參數(shù)，由此獲得專用于該用戶的步伐識(shí)別模型。

具體而言，由于不同用戶的步伐規(guī)律不完全一樣，有各自不同的模式，使用統(tǒng)一的模式對(duì)不同用戶的步伐進(jìn)行識(shí)別容易產(chǎn)生錯(cuò)誤。例如，如果初始步伐識(shí)別模型為f_t(·)，如果某一用戶自己通常的步頻較高，則快步走類型的步伐可能被識(shí)別為慢跑，或者不能識(shí)別這種步伐類型，因此容易產(chǎn)生識(shí)別錯(cuò)誤。為此，用戶通過(guò)在初始步伐識(shí)別模型為f_t(·)上不斷進(jìn)行步伐的識(shí)別，每次識(shí)別成功后都自動(dòng)將數(shù)據(jù)存儲(chǔ)下來(lái)。經(jīng)過(guò)一段時(shí)間后，當(dāng)需要進(jìn)行模型參數(shù)更新時(shí)，采用之前一段時(shí)間內(nèi)存儲(chǔ)的數(shù)據(jù)重新訓(xùn)練步伐識(shí)別模型，從而獲得新的參數(shù)，從而訓(xùn)練出新的步伐識(shí)別模型為f_t+1(·)。由于不同用戶的步伐規(guī)律不完全一樣，有各自不同的模式，使用統(tǒng)一的模式對(duì)不同用戶的步伐進(jìn)行識(shí)別容易產(chǎn)生錯(cuò)誤，因此，根據(jù)不同用戶的規(guī)律進(jìn)行參數(shù)更新有利用提高步伐狀態(tài)識(shí)別的準(zhǔn)確性。

圖3所示的是針對(duì)圖1所示的步伐識(shí)別方法的原理示意圖。如圖所示，整個(gè)識(shí)別過(guò)程分為初始訓(xùn)練階段以及在線識(shí)別階段。在初始訓(xùn)練階段，通過(guò)建立最小二乘支持向量機(jī)的步伐識(shí)別模型，采用原始獲取的訓(xùn)練步伐數(shù)據(jù)樣本對(duì)該步伐識(shí)別模型進(jìn)行參數(shù)初始化，由此獲得初始步伐識(shí)別模型為f_t(·)。隨后進(jìn)入該初始步伐識(shí)別模型為f_t(·)的步伐識(shí)別應(yīng)用階段，即在線步伐識(shí)別階段。在在線步伐識(shí)別階段，實(shí)時(shí)獲取用戶當(dāng)前步伐數(shù)據(jù)，通過(guò)識(shí)別后獲得用戶當(dāng)前步伐的類別，并將成功識(shí)別的步伐類別所對(duì)應(yīng)的步伐數(shù)據(jù)作為樣本數(shù)據(jù)存儲(chǔ)在本地樣本數(shù)據(jù)庫(kù)中，并在經(jīng)過(guò)一段時(shí)間后，采用所積累的樣本數(shù)據(jù)對(duì)最小二乘支持向量機(jī)的步伐識(shí)別模型進(jìn)行重新訓(xùn)練由此獲得新的的步伐識(shí)別模型為f_t+1(·)。

圖4所示的是根據(jù)本公開(kāi)的用于對(duì)原始步伐數(shù)據(jù)進(jìn)行預(yù)處理的過(guò)程示意圖。盡管此處在獲取步伐數(shù)據(jù)方面僅僅顯示了三軸加速度和三軸角速度，但是也可以采集其他數(shù)據(jù)，例如其他人體生理數(shù)據(jù)，用于輔助判斷步伐類別。

圖5所示的是根據(jù)本公開(kāi)的在線步伐識(shí)別的流程示意圖。如圖5所示，在步驟S501處，實(shí)時(shí)獲取用戶的步伐數(shù)據(jù)并進(jìn)行預(yù)處理。隨后，在步驟S502處，判斷所獲取的實(shí)時(shí)步伐數(shù)據(jù)是否為所規(guī)定的步伐類別中的一種。如果不是，則返回到步驟S501繼續(xù)進(jìn)行步伐數(shù)據(jù)的實(shí)時(shí)獲取。如果判斷是其中一種類別的步伐，則在步驟S503處對(duì)該類別步伐的數(shù)量遞增一，由此持續(xù)統(tǒng)計(jì)用戶的這種類別步伐的數(shù)量，并輸出該類步伐的數(shù)據(jù)。可選擇地，這里步伐的計(jì)數(shù)也可以是對(duì)所有總類步伐的總數(shù)的計(jì)量，以便用戶統(tǒng)計(jì)其自己一段時(shí)間內(nèi)的總步數(shù)。隨后，在S504處，判斷是否需要對(duì)目前的步伐識(shí)別模型的參數(shù)進(jìn)行更新。該判斷基于各種標(biāo)準(zhǔn)進(jìn)行，例如，基于當(dāng)前用戶已經(jīng)被識(shí)別出的每種步伐類別的次數(shù)、基于當(dāng)前步伐識(shí)別模型的參數(shù)已經(jīng)被使用的時(shí)間長(zhǎng)度、基于用戶對(duì)步伐識(shí)別裝置在被啟動(dòng)時(shí)向用戶發(fā)出的詢問(wèn)的肯定應(yīng)答，等等。如果判斷需要進(jìn)行更新，則在步驟S505處，步伐識(shí)別裝置采用一定時(shí)間段內(nèi)作為訓(xùn)練數(shù)據(jù)樣本累積的被識(shí)別步伐的步伐數(shù)據(jù)對(duì)步伐識(shí)別模型進(jìn)行重新訓(xùn)練，并通過(guò)交叉驗(yàn)證獲得新的模型參數(shù)，由此獲得專用于該用戶的步伐識(shí)別模型。在進(jìn)行參數(shù)更新之后，在步驟S506處詢問(wèn)是否繼續(xù)進(jìn)行步伐識(shí)別，不過(guò)判斷不需要進(jìn)行步伐識(shí)別，則直接結(jié)束步伐識(shí)別流程。如果需要，則返回到步驟S501進(jìn)行下一次原始步伐數(shù)據(jù)的獲取過(guò)程。

圖6所示的是根據(jù)本公開(kāi)的步伐識(shí)別裝置600的結(jié)構(gòu)示意圖。如圖6所示，步伐識(shí)別裝置600包括參數(shù)設(shè)置單元601、步伐數(shù)據(jù)獲取單元602、預(yù)處理單元603以及步伐識(shí)別單元604。參數(shù)設(shè)置單元601將樣本數(shù)據(jù)庫(kù)606中的訓(xùn)練樣本數(shù)據(jù)輸入輸入最小二乘支持向量機(jī)的步伐識(shí)別模型進(jìn)行訓(xùn)練，由此通過(guò)交叉驗(yàn)證確定初始的步伐識(shí)別模型的各參數(shù)的初始值?？蛇x擇地，在樣本數(shù)據(jù)庫(kù)606中沒(méi)有現(xiàn)有樣本數(shù)據(jù)的情況下，參數(shù)設(shè)置單元601也可以利用步伐數(shù)據(jù)獲取單元602所獲取并由預(yù)處理單元603預(yù)處理后的多段與完整原始步伐數(shù)據(jù)對(duì)應(yīng)的訓(xùn)練樣本數(shù)據(jù)輸入最小二乘支持向量機(jī)的步伐識(shí)別模型進(jìn)行訓(xùn)練，由此通過(guò)交叉驗(yàn)證確定初始的步伐識(shí)別模型的各參數(shù)的初始值。用戶步伐數(shù)據(jù)獲取單元602既可以在離線訓(xùn)練狀態(tài)下獲取用戶一段時(shí)間段內(nèi)的各種步伐數(shù)據(jù)(包括步伐的加速度和角速度數(shù)據(jù)以及步伐類別數(shù)據(jù))用作訓(xùn)練樣本數(shù)據(jù)，也可以在在線步伐識(shí)別時(shí)用于獲取用戶將被識(shí)別的數(shù)據(jù)。步伐數(shù)據(jù)獲取單元602所獲取的步伐數(shù)據(jù)經(jīng)過(guò)預(yù)處理單元603預(yù)處理消除噪聲。步伐識(shí)別單元604將經(jīng)預(yù)處理的當(dāng)前步伐數(shù)據(jù)輸入所述初始的步伐識(shí)別模型，由此識(shí)別用戶的步伐類別。盡管此處提到了樣本數(shù)據(jù)庫(kù)606，但是該數(shù)據(jù)庫(kù)并不是步伐識(shí)別所必須的。樣本數(shù)據(jù)庫(kù)606為一個(gè)常規(guī)存儲(chǔ)單元，其用于存儲(chǔ)步伐識(shí)別單元604所成功識(shí)別的用戶的步伐數(shù)據(jù)以及其步伐類別，并作為訓(xùn)練樣本數(shù)據(jù)存儲(chǔ)。盡管樣本數(shù)據(jù)庫(kù)606可以存儲(chǔ)來(lái)自存儲(chǔ)步伐識(shí)別單元604所成功識(shí)別的用戶的步伐數(shù)據(jù)以及其步伐類別，但是也可以直接通過(guò)I/O接口607從網(wǎng)絡(luò)獲取各種現(xiàn)有的步伐訓(xùn)練樣本數(shù)據(jù)。

此外，步伐識(shí)別裝置600還可包括參數(shù)更新單元605，其將在一段時(shí)間內(nèi)累積存儲(chǔ)在樣本數(shù)據(jù)庫(kù)607中的用戶被成功識(shí)別的步伐數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù)輸入最小二乘支持向量機(jī)的步伐識(shí)別模型進(jìn)行訓(xùn)練，通過(guò)交叉驗(yàn)證更新用戶的步伐識(shí)別模型的各參數(shù)，由此獲得專用于該用戶的步伐識(shí)別模型。該參數(shù)更新單元605盡管作為獨(dú)立元件顯示，但是其可以僅僅是一個(gè)更新觸發(fā)元件，其參數(shù)更新過(guò)程可以直接由參數(shù)設(shè)置單元601來(lái)完成，由此簡(jiǎn)化步伐識(shí)別裝置600的結(jié)構(gòu)和配置。

應(yīng)用本公開(kāi)的步伐識(shí)別方法以及步伐識(shí)別裝置方法和裝置，通過(guò)收集六位行人手持或攜帶智能手機(jī)連續(xù)行走時(shí)的加速度與角速度數(shù)據(jù)，每位行人獲得的數(shù)據(jù)包括20組，每一組數(shù)據(jù)為在一段30m的直線上行走時(shí)采集的加速度，測(cè)試表明本公開(kāi)的步伐識(shí)別方法在這些數(shù)據(jù)上的步伐識(shí)別達(dá)到了98.8％的準(zhǔn)確度。可見(jiàn)，本公開(kāi)方法能夠提高步伐識(shí)別的準(zhǔn)確性并針對(duì)不同用戶進(jìn)行個(gè)性化識(shí)別。

以上結(jié)合具體實(shí)施例描述了本公開(kāi)的基本原理，但是，需要指出的是，對(duì)本領(lǐng)域的普通技術(shù)人員而言，能夠理解本公開(kāi)的方法和裝置的全部或者任何步驟或者部件，可以在任何計(jì)算裝置(包括處理器、存儲(chǔ)介質(zhì)等)或者計(jì)算裝置的網(wǎng)絡(luò)中，以硬件、固件、軟件或者它們的組合加以實(shí)現(xiàn)，這是本領(lǐng)域普通技術(shù)人員在閱讀了本公開(kāi)的說(shuō)明的情況下運(yùn)用他們的基本編程技能就能實(shí)現(xiàn)的。

因此，本公開(kāi)的目的還可以通過(guò)在任何計(jì)算裝置上運(yùn)行一個(gè)程序或者一組程序來(lái)實(shí)現(xiàn)。所述計(jì)算裝置可以是公知的通用裝置。因此，本公開(kāi)的目的也可以僅僅通過(guò)提供包含實(shí)現(xiàn)所述方法或者裝置的程序代碼的程序產(chǎn)品來(lái)實(shí)現(xiàn)。也就是說(shuō)，這樣的程序產(chǎn)品也構(gòu)成本公開(kāi)，并且存儲(chǔ)有這樣的程序產(chǎn)品的存儲(chǔ)介質(zhì)也構(gòu)成本公開(kāi)。顯然，所述存儲(chǔ)介質(zhì)可以是任何公知的存儲(chǔ)介質(zhì)或者將來(lái)所開(kāi)發(fā)出來(lái)的任何存儲(chǔ)介質(zhì)。

還需要指出的是，在本公開(kāi)的裝置和方法中，顯然，各部件或各步驟是可以分解和/或重新組合的。這些分解和/或重新組合應(yīng)視為本公開(kāi)的等效方案。并且，執(zhí)行上述系列處理的步驟可以自然地按照說(shuō)明的順序按時(shí)間順序執(zhí)行，但是并不需要一定按照時(shí)間順序執(zhí)行。某些步驟可以并行或彼此獨(dú)立地執(zhí)行。

上述具體實(shí)施方式，并不構(gòu)成對(duì)本公開(kāi)保護(hù)范圍的限制。本領(lǐng)域技術(shù)人員應(yīng)該明白的是，取決于設(shè)計(jì)要求和其他因素，可以發(fā)生各種各樣的修改、組合、子組合和替代。任何在本公開(kāi)的精神和原則之內(nèi)所作的修改、等同替換和改進(jìn)等，均應(yīng)包含在本公開(kāi)保護(hù)范圍之內(nèi)。