论文部分内容阅读
近年来,随着人工智能技术的发展和移动设备的普及,移动服务和应用为人们的工作和生活带来了极大的便利。由于步行是最普遍的日常活动之一,步行检测和计步方法在定位导航、健康监护、行为识别等领域具有广泛的应用前景,因此吸引了研究人员的关注。但是,当前研究存在以下几个问题:(1)设备的使用方式受约束,例如设备只能垂直放在裤子口袋,降低实用性;(2)依赖于部署在特定位置的专用设备(例如专用足部加速度传感器),不仅限制了应用的普及,并且增加了成本;(3)未考虑真实场景中的各种实际问题,例如变速行走。为了解决以上问题,本文深入研究了复杂场景中面向非约束智能手机的步行检测和计步方法。首先,不同于现有普遍基于加速度的方法,本文利用灵敏度较高的陀螺仪采集角速度数据,通过快速傅立叶变换(Fast Fourier Transform,FFT)提取角速度数据中蕴藏的智能手机携带者行为的频域特征,进而根据行走动作的频域特征,提出了基于阈值的步行检测算法,该算法降低了对设备使用方式的约束。其次,本文采用加权均值滤波器来平滑利用多项式拟合方法估计的实时步频,之后提出了新颖的基于FFT和陀螺仪(FFT and Gyroscope,FG)的计步方法;此外,本文还提出了针对变速行走的积分计步(Integral Step Counting,ISC)方法和自适应滑动距离计步(Adaptive Sliding Distance Step Counting,ADSC)方法,提高计步方法的实用性。本文在真实场景中设计并开展了大量实验以验证提出方法的有效性;同时,在实验过程中本文考虑了手机放置位置、地面情况和行走速度等影响检测结果的因素;实验结果表明,提出的步行检测算法能够取得高达93.76%的平均精度和93.65%的平均召回率,整体性能明显优于标准差阈值(Standard Deviation Threshold,STD_TH)和FFT等算法;与常用的峰值检测、自相关系数等计步方法和计步软件相比,本文提出的三种新的计步方法在准确性和稳定性方面更具优势,其中ADSC方法性能较好,平均准确率高达95.39%,平均标准差为3.85。综上所述,本文提出的方法在复杂场景中可以实现高精度步行检测和高准确率计步,将对推动步行检测和计步的应用和发展有积极的作用。