腰部姿态检测方法及检测结果的触觉反馈方法
【技术领域】
[0001] 本发明属于腰部姿态检测技术领域，具体涉及一种腰部姿态检测方法及利用该方 法获得的检测结果对佩戴者施加触觉反馈的方法。
【背景技术】
[0002] 随着大众生活水平的提高，健康越来越受到大众的关注。对自身各项健康指标的 关注、监控，并且及时作出调整，可以提高大众自身的健康状态。人体姿态对人的身体健康 具有较大影响，长期不正确的身姿例如走路、跑步、弯腰、下蹲或者落座等的不正确姿态可 能导致对人体肌肉和骨骼的损伤，导致人体出现各种病变，严重威胁人体健康。其中，腰部 姿态是人体姿态中最关键的姿态，腰姿的正确与否是影响身姿从而影响人体健康的主要因 素，走路、跑步、弯腰、下蹲或落座等人体日常行为中的姿态主要通过腰姿影响或体现，因此 日常行为中对腰姿的检测或矫正就尤为重要。
[0003] 目前，对腰姿的检测或矫正主要是通过人体佩戴专门的矫正器来实现，例如专利 文献CN102573711A公开了一种用于检测和/或影响身体姿态的装置，其具有柔性的载体 元件，在所述载体元件上设有用于将所述装置布置在所述装置的佩戴者的腰部高度中的固 定装置，夹紧带利用第一端部固定在所述固定装置上且在背部区域中彼此交叉，其中，所述 夹紧带利用其第二端部在前肩部或胸部区域中固定在所述载体元件上。载体元件、夹紧带 和/或加强元件配置至少一个传感器，所述传感器用于检测力、变形、角度、温度和/或加速 度。该装置可以实现对人体姿态的矫正。但是，上述方案的装置整体长期穿戴在使用者身 上，一是舒适度和美观度不够，二是使用者无法实时观测到自己的身体姿态状况，无法根据 个体自身特点对检测装置进行适应性匹配，通用性较差。
[0004] 如今，随着智能终端感应器的发展，现在出现了与智能终端匹配的检测矫正装置， 其通过与使用者随身的诸如手机等终端感应器的匹配，利用其上的APP与装置中的传感器 等器件进行通讯，实现中终端感应器上实时进行使用者姿态数据的采集、处理和检测，并可 以进行提示以便于使用者进行姿态纠正。
[0005] 但是，目前这种检测矫正方法或装置中，传感器计算姿态的算法只能适用在静止 状态下，这种姿态传感器在运动状态的输出结果非常不准确，偏差甚至可以达到10几度甚 至几十度。另外，使用者的姿态除了静止状态，还包括步行、慢跑和快跑等，目前的姿态检测 传感器或装置中这些动态状态下的腰部姿态检测存在较大的测量误差，从而无法获得真实 的姿态。特别是，使用者偶尔的弯腰、侧身、晃动都会对检测过程产生干扰，目前的装置无法 识别上述干扰并进行处理，导致姿态矫正的准确度大为降低。
[0006] 另外，实时获得的检测结果如何反馈给使用者，以便于提示使用者继续保持或者 纠正姿态，也是一个问题。目前常规的提示方法例如声音、图像等，其会产生不必要的噪声， 或者需要使用者实时关注，不适用于各种场合，而且给使用者的反馈不够直观和友好，导致 姿态反馈效果无法满足使用要求。
【发明内容】
[0007] 针对现有技术的以上缺陷或改进需求，本发明提供了一种腰部姿态检测方法和利 用该方法获得的检测结果对佩戴者施加触觉反馈的控制方法。其中检测方法通过识别使用 者不同的状态，进而采用不同的方式计算腰部姿态，并识别和去除干扰运动状态，从而获得 准确的腰部姿态；反馈方法则采用触觉反馈方式，并结合人体不同部位感应特点和不同的 腰部姿态，给出不同类型的触觉反馈结果，从而给使用者不同的提示。
[0008] 为实现上述目的，按照本发明的一个方面，提供一种腰部姿态检测方法，其通过对 使用者不同运动状态的识别，并去除干扰运动，从而实现各种不同状态下腰部姿态检测，其 特征在于，该方法包括：
[0009] 对穿戴于使用者身上的感应器中六轴MEMS传感器的数据进行采样，获得使用者 的状态数据，包括加速度和角速度数据；
[0010] 对采集的状态数据进行分析，确定使用者的状态，其中使用者状态包括静止和运 动两种，其中运动状态包括步行、慢跑和快跑；
[0011] 识别用户偶尔的晃动、弯腰和/或侧身这些不规则的运动，并作为干扰进而予以 去除；
[0012] 计算使用者佩戴感应器的部位在设定时间段内的平均姿态，包括侧翻角（roll) 和俯仰角（Pitch)，依次作为腰部姿态角，进而获得腰部姿态。
[0013] 作为本发明的改进，计算一定时间段内的加速度数据模、加速度数据的方差，以 及角速度数据的模，并在加速度方差大于给定的阈值THl (例如优选0. 3)、或加速度数据 的模与重力加速度的偏差大于给定阈值TH2 (优选0. 5)、或角速度数据的模大于给定阈值 TH3 (优选50)时，认定使用者处于运动状态，否则处于静止状态。
[0014] 作为本发明的改进，上述运动状态的具体类型通过如下方式识别：对连续一段时 间段的加速度数据进行傅里叶分析（FFT)，分析这段时间端内加速度信号的主频，当主频小 于一定阈值（例如优选2. 5Hz)时，认为佩戴者处于一般步行状态；当主频率大于2. 5Hz时， 认为佩戴者处于跑步状态。
[0015] 作为本发明的改进，上述运动状态的具体类型也可以通过分类器进行识别，具体 为，实时计算加速度信号峰峰值的采样间隔，获取连续多组加速度信号峰峰值采样间隔， 并以其作为特征向量进行训练和分类，并以用户步行，慢跑，以及快跑的特征数据组成样本 库，通过利用机器学习的方法训练得到离线的线性SVM(Supporting Vector Machine)分类 器，从而即可识别运动状态。
[0016] 作为本发明的改进，所述不规则运动的识别通过判定使用者不是连续时间段均处 于运动状态而确定。
[0017] 作为本发明的改进，所述连续时间段优选为3秒。
[0018] 作为本发明的改进，所述侧翻角（roll)和俯仰角（pitch)通过如下公式计算得 到： \roll -arctan(-a ja )
[0019] \ z
[pitch = arcsin ( a γ j g )
[0020] 其中，感应器测量得到的加速度数据为ab= [ax，ay，az]T，g为重力加速度。
[0021] 作为本发明的改进，所述测量得到的加速度数据可先进行归一化处理。
[0022] 作为本发明的改进，所述获得的腰部姿态数据可以智能终端输出并显示。
[0023] 作为本发明的改进，所述腰部姿态可以与预设的标准腰姿进行比较，从而获得当 前腰姿的评价结果，以用于反馈给使用者。
[0024] 作为本发明的改进，所述评价结果为腰部姿态与标准姿态之间的距离d = I