基于 MEMS 的人体行为特征反演系统设计

人体运动过程较为复杂,传统人体运动姿态识别方法识别动作较为单一,且准确性较低。 为了满足人体运动方式检测的需求,设计并实现了基于 MEMS 惯性传感器的人体行为特征反演系统,结合多传感器信息对人体运动姿态进行识别,提高识别的种类及准确率。 系统平台采用核心处理器 STM32 搭配传感器模块 MPU9250 组成惯性测量单元,采集人体运动信号,并对采集到的信号进行预处理。 研究不同运动模式下的姿态角信息及其变化规律,分析并提取其中最能够反映人体运动的特征参数,构建人体姿态特征库。 使用基于 K 最近邻分类算法对样本数据进行训练,建立人体行为特征模型,实现了对不同人体运动姿态的准确识别,同时将姿态识别结果上传至云服务系统;并对人体运动数据进行长时期的跟踪分析,进而反演出用户 24 小时内的行为活动方式。 大样本测试结果表明,该系统测量各姿态评估准确性高,重复性好