一种用于运动监测的高精度智能可穿戴设备设计

李光亚

(陕西职业技术学院,西安710100)

一种用于运动监测的高精度智能可穿戴设备设计

李光亚

(陕西职业技术学院,西安710100)

开发了一种可穿戴的智能设备。首先,对该可穿戴设备的整机系统进行了剖析,利用一个六轴的运动模块和一个蓝牙模块组成智能可穿戴设备,该设备能够通过蓝牙模块与智能手机交互;然后对该设备的软件实现进行了分析,得出了合成加速度与合成角速度,利用这两个参数来计算行走的步数;最后测试了该智能可穿戴设备记录的步数以及消耗的卡路里的精确性。

可穿戴设备;运动监测;合成加速度;合成角速度;蓝牙模块;记步

引 言

智能可穿戴设备被广泛应用在诸多的领域,比如休闲、娱乐和医疗[1-2]。以前,笔者利用跑步机做一些运动,因为可以通过跑步机观测到在跑步过程中跑的步数、消耗的卡路里以及其他一些所关心的数据,然后再根据这些信息有目的地安排自己的运动。但是,跑步机需要一个比较大的空间,而且通常都会很重,所以很难在室外使用。因此,为了捕捉人们实时的运动,智能可穿戴设备就应运而生[3-4]。和传统设备相比,智能可穿戴设备重量轻、体积小、方便携带。

随着技术的发展,研究者们研发了很多智能可穿戴设备来捕捉和评估人们的运动。Doron Maeva等人[5]设计了一种可穿戴设备来评估人们日常生活中的运动,他们将一种可穿戴设备置于人身上,通过相应的算法来识别人体所做的一些动作并分析所消耗的能量。经实验验证该设备能达到79%的正确识别率。Li Zhen等人[6]发明了一种可穿戴设备,该设备通过分割日常生活事件来分析评估日常生活风格,每天可以连续10个小时以多媒体的方式记录数据,以这些数据得到人体运动参数的界限,以这些界限可以来分割人体的不同运动。这些数据可以上传到PC上,从而更加直观。Motoi K等人[7]发明了一种智能可穿戴设备用于长期护理中的康复确认,将智能可穿戴设备放于需要康复的部位,通过检测运动过程中该部位产生的加速度和角速度来判定该部位的康复情况。

然而,在实际生活运动的过程中并不会随身携带计算机,此时想要了解实时的运动情况就比较困难。

因此,本文提出一种基于六轴运动模块的智能可穿戴设备来测量人体不同部位的运动,通过一种模糊控制算法来计算行走的步数以及所消耗的卡路里,并使用了一个蓝牙模块,使该智能设备方便地与智能手机进行交互。当智能手机从智能可穿戴设备收到数据之后,相关数据会在手机屏幕上实时显示。

1 智能设备开发

1.1 智能可穿戴设备

本文所开发的一种智能可穿戴设备(重量:20 g,尺寸:55 mm×55 mm×10 mm)由一个六轴的运动模块(MPU6050,其集成了一个三轴的陀螺仪和一个三轴的加速度传感器)和一个微处理器(MCU)组成。该智能可穿戴设备通过一个蓝牙模块与智能手机进行交互,使用一块锂电池(SL 414W-473646)给整个系统供电,该电池可以支撑一次6个小时的实验。微处理器以100 Hz/s的速度采集6组数据(三组加速度数据和三组角速度数据)来分析人体运动。通过对原始加速度以及原始角速度的处理,可以计算出步行的步数以及所消耗的卡路里。

1.2 软 件

如图1所示,可以在智能手机上看到步数以及消耗的卡路里。其中,SETPS表示记录的步数;Calories表示行走时候所消耗的卡路里;START是开始按键;STOP是停止按键。

图1 智能手机界面

智能可穿戴设备的开发流程图见图2。

图2 智能可穿戴设备软件流程

①当智能可穿戴设备上电以后,六轴的运动模块就开始以100 Hz的采样频率采集加速度和角速度数据。之后,这些数据被发送至微处理器。

②本文通过使用微处理器来确保本文的采样频率在100 Hz。利用收到的收据,最终会得到合成的加速度和角速度信息,之后经过一个低通滤波,这些处理过的数据可以用来计算步数以及消耗的卡路里。合成的加速度以及角速度信息由式(1)和式(2)所得。

其中,acc是合成加速度;ang_v是合成的角速度;acc_x、acc_y和acc_z分别是三个轴的加速度;ang_vx、ang_vy和ang_vz分别是三个轴的角速度。

③在一个步行的周期中,合成的加速度会有一个峰值和一个谷值,那么本文就可以通过在峰值和谷值之间设置一个合适的阈值区间来判断是否行走一步。如图3(a)所示,可以明显地观测到在摆臂行走和手放在口袋里行走时加速度的区别,所以需要两种阈值。为了区分这两种模式,本文就用到了合成的角速度。由图3(b)可知,当摆臂行走时,所产生的角速度要远远大于手放在口袋里行走时产生的角速度。当摆臂行走的时候(mode1),设置一个上限阈值和一个下限阈值(在此实验中为1.25 g和1.15 g)来避免抖动错误,当捕捉到一个比上限阈值还要大的合成角速度值时,如果在2 s内再次捕捉到一个比下限阈值还要小的角速度值,那么就可以确定走了一步。

当把手放在口袋里行走的时候(mode2),上下限阈值分别为1.15 g和1.05 g。如果得到100组合成角速度的值均小于100,则可以认为是在mode2下工作,否则就是在mode1下工作。

图3 本文开发智能设备的加速度与成角速度测试

2 实验研究

为了测试该智能可穿戴设备的精度,本文做了与Fitbit One[8]对比的相关实验。使用一台安卓智能手机,并在其上开发相关的应用软件。如图4(a)所示,为了确定本文的智能可穿戴设备的精度,将该设备和Fitbit One一起固定在手腕上,然后将此时的状态作为一个初始的状态。

首先,使用智能手机里的软件发送一个命令到本文的智能可穿戴设备,然后开始正常行走,经过大概60 s停止行走,接着在本文开发的智能可穿戴设备和Fitbit One上看到步数以及消耗的卡路里,如图4(b)和4(c)所示。图4(b)中,黑色设备是Fitbit One。本文实际行走100步, Fitbit One记录的步数为101,手机上记录是本文提出的智能设备测到的数据,可以看到步数为100。在图4(c)中可以看到两种设备记录的消耗卡路里均为5。

图4 不同智能可穿戴设备的精度测试

在表1和表2中,记录了多次实验后得到的两种设备的对比数据,其中参考步数和参考卡路里是由Fitbit One测量得到,而测量步数和测量卡路里是由本文提出的智能设备测量得到。

表1 步数测量误差

表2 消耗的卡路里测量误差

在计算步数以及消耗的卡路里的时候,如果仅仅使用一个临界值来计算,计算结果很容易受到误动作的干扰。因此本文在计算步数以及消耗卡路里的时候,利用了两个临界值(上限值和下限值)组成一个临界值的区域,通过此临界区域,可以有效避免误动作带来的干扰,从而提高设备精度。

结 语

本文利用惯性传感器(主要包括三轴的加速度计和三轴的陀螺仪)设计一种成本低、功耗低的智能可穿戴设备。将该智能可穿戴设备放在人体运动时候需要测量的部位(在本文中是放在手腕处用于捕捉行走时手臂的摆动),通过对加速度以及角速度的分析计算,来得到行走的步数以及所消耗的卡路里。通过对比实验表明,该设备有比较可靠的精度,通过利用蓝牙模块传输数据,使得本设备能够与智能手机进行交互。

[1]Buttussi Fabio,Chittaro Luca.A context-aware and user-adaptive wearable system for fitness training[J].Artificial Intelligence in Medicine,2015,42(2):153-163.

[2]Xin Tan,Binfeng Xu,Qiancheng Liu.Design and Realization of Signal Processing Platform of Multi-Parameter Wearable Medical Devices[J].Journal of Signal and Information Processing,2013,4(2):95-100.

[3]Yunyoung Nam,Seungmin Rho,Chulung Lee.Physical activity recognition using multiple sensors embedded in a wearable device[J].ACM Transactions on Embedded Computing Systems(TECS),2013,12(2):1-14.

[4]Lee Beom-Chan,Chen Shu,Sienko Kathleen H.A wearable device for real-time motion error detection and vibrotactile instructional cuing[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering,2011,19(4):374-381.

[5]Doron Maeva,Bastian Thomas,Maire Aurelia.Estimation of physical activity monitored during the day-to-day life by an autonomous wearable device[J].IEEE Engineering in Medicine and Biology Society,2013,10(12):4629-4632.

[6]Li Zhen,Wei Zhiqiang,Sun Mingui.Daily life event segmentation for lifestyle evaluation based on multi-sensor data recorded by a wearable device[J].IEEE Engineering in Medicine and Biology Society,2013,21(8):2858-2861.

[7]Motoi K,Higashi Y,Kuwae Y.Development of a Wearable Device Capable of Monitoring Human Activity for Use in Rehabilitation and Certification of Eligibility for Long-Term Care[J].Engineering in Medicine and Biology Society,2005, 11(2):181-187.

[8]J Takacs,CL Pollock,JR Guenthe.Validation of the Fitbit One activity monitor device during treadmill walking[J].Journal of Science&Medicine in Sport,2014,17(5):496-500.

李光亚(助教),研究方向为体育学应用。

High-accuracy Intelligent Wearable Device for Motion Monitoring

Li Guangya
(Shanxi Vocational&Technical College,Xi’an 710100,China)

In the paper,an intelligent wearable device is proposed which uses a 6-axis motion module and a bluetooth module.The intelligent wearable device can communicate with a smart phone through the bluetooth module.The resultant acceleration and resultant velocity can be got through a program.Then the steps and calorie can be calculated.At last,the accuracy of the intelligent wearable device is tested.

wearable device;motion monitoring;resultant acceleration;resultant velocity;bluetooth module;record steps

TP20

:A

薛士然

2016-06-27)