基于耳机的保护隐私的颈椎运动识别方法及系统技术方案

本发明专利技术公开了基于耳机的保护隐私的颈椎运动识别方法及系统，该系统可以识别用户在休息或行走状态下的12种颈部运动。提出了颈椎病预防系统CSEar。在用户端，智能手机打开一个隐私保护区域，接收来自耳机的数据，分析用户的状态，删除用户的私人信息。在云端，系统使用定制的卷积神经网络(CNN)识别颈部运动。最后，我们通过大量实验证明了系统的有效性和鲁棒性，其识别精度可达93％。该系统无论在行走还是休息中均可以实现颈椎动作的识别，以预防颈椎病发生。发生。发生。

【技术实现步骤摘要】
基于耳机的保护隐私的颈椎运动识别方法及系统


[0001]本专利技术属于机辅助颈椎病预防
，特别涉及基于耳机的保护隐私的颈椎运动识别方法及系统。

技术介绍

[0002]颈椎在人们的生活中起着重要的作用，然而随着社会节奏的加快，低头族和办公族的流行，颈椎病发生呈上升趋势。而通过检测和识别颈部运动，加以提醒干预，可以辅助预防颈椎病。
[0003]首先，考虑到不同的颈部运动导致头部产生不同的震动方式，这种震动可以被现有商用耳机搭载的加速度计捕捉到，从而检测识别颈部运动。以此为基础，本专利技术提出了一个新的系统，CSEar，使用耳机的内置加速计来识别颈部运动。如图1所示，12种颈椎动作包括伸展NE和伸展恢复RNE、屈曲NF和屈曲恢复NFR、右倾RI和右倾恢复RRI、左倾LI和左倾恢复RLI、右旋RR和右旋恢复RRR、左旋LR和左旋恢复RLR。然而现有工作没有提出一个完整的方案识别包括走路和休息状态下的这12种颈部运动，同时也没有考虑到用户的隐私保护等问题。因此现有工作并不充分。

技术实现思路

[0004]本专利技术的目的在于提供基于耳机的保护隐私的颈椎运动识别方法及系统，以解决上述问题。
[0005]为实现上述目的，本专利技术采用以下技术方案：
[0006]基于耳机的保护隐私的颈椎运动识别方法，包括以下步骤：
[0007]耳机内设置加速计，通过加速计采集加速度信号，设置隐私隔离区，区分当前为步行或休息状态；
[0008]处于静止状态使用子窗口合并算法来检测颈部运动，处于行动状态时通过PCA的分量提取、漂移消除、基于信号斜率的包络计算、分量选择和子窗口合并来确定颈部运动的边界；
[0009]通过数据扩充来增加样本量，避免过拟合，然后将数据输入CNN以识别颈部运动。
[0010]进一步的，区分当前为步行或休息状态：
[0011]首先，利用高通滤波器消除重力和随机噪声的影响，然后根据均方根RMS
I
阈值确定用户的状态；如果用户处于步行状态，则通过低通滤波器去除原始信号中的步态信息，没有用户隐私的数据传输到云端；如果用户处于静止状态，原始数据将与去掉重力信息的高通滤波数据一起发送到云端；
[0012][0013]进一步的，使用子窗口合并算法来检测颈部运动，如公式：
[0014][0015]处于行动状态时，计算如下：
[0016]D＝[LX
′
,LY
′
,LZ
′
,RX
′
,RY
′
,RZ
′
]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0017][0018]C＝D
*
×
(D
*
)
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0019]Y＝R
×
D(R为C的特征向量矩阵)
ꢀꢀꢀꢀꢀꢀ
(5)
[0020]Y
′
k
＝Y
k
‑
f
k
,k∈{1,2,
…
N}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0021]y
k
＝|ΔY
′
k
(t)＝Y
′
k
(t)
‑
Y
′
k
(t
‑
1)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0022][0023][0024][0025]进一步的，耳机内置加速度传感器采集数据；设置隐私隔离区，通过滤波去除步态信息，保护用户隐私。
[0026]进一步的，分量提取：
[0027]首先利用主成分分析(PCA)方法将六轴数据重组为不相关的成分；在进行PCA分析前，对六轴数据进行归一化处理，以抵消不同维度的影响；
[0028]D＝[LX
′
,LY
′
,LZ
′
,RX
′
,RY
′
,RZ
′
][0029][0030]式中LX
′
,LY
′
,LZ
′
,RX
′
,RY
′
,RZ
′
表示巴特沃思低通滤波器处理的六轴数据；D是这六个列向量的矩阵；D*是D的一个归一化矩阵，其维数为Len
×
6，其中Len表示采样点数；根据公式C＝D*
×
(D*)
T
计算D的相关系数矩阵C；求解出C的特征向量，并将特征向量按行放入矩阵R中；通过公式Y＝R
×
D可以得到每个PCA分量；在Y中，每一行表示原始数据在每个分量上的投影。
[0031]进一步的，漂移去除:首先，基于最小二乘法得到各分量线性拟合的趋势项；然后从成分中减去趋势项，以集中分析数据本身的波动；
[0032]Y
′
k
＝Y
k
‑
f
k
,k∈{1,2,
…
N}
[0033]其中，Y
′
k
是去除漂移后的分量，f
k
是分量Y
k
的趋势项。N是分量的总数。
[0034]进一步的，包络计算:通过下面的公式放大这个斜率差来区分随机噪声中的每个分量；
[0035]y
k
＝|ΔY
′
k
(t)＝Y
′
k
(t)
‑
Y
′
k
(t
‑
1)|
[0036]其中y
k
为求解的分量信号斜率的绝对值，通过希尔伯特变换提取斜率信号y
k
的包络A
k
，抑制噪声信号的干扰，平滑各分量信号；
[0037][0038]其中H为斜率信号y
k
经过希尔伯特变换后的值，N是分量的总数。
[0039]进一步的，分量选择:对于不同的颈部运动，信噪比最大的包络对应的分量也不同，需要选择信噪比最大的包络进行分析：
[0040][0041][0042]其中SNR
k
为包络A
k
的信噪比，为信噪比最大的包络的分量数；N是分量的总数；利用子窗口合并算法，对选定的包络信号进行分割，确定颈部运动信号边界后，再将边界内的低通滤波后的六轴加速度信号输入颈部运动识别模块进行分类。
[0043]进一步的，基于耳机的保护隐私的颈椎运动识别系统，包括：
[0044]隐私隔离区设置模块用于通过加速计采集加速度信号，设置隐私隔离区，区分当前为步行或休息状态；
[0045本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于耳机的保护隐私的颈椎运动识别方法，其特征在于，包括以下步骤：耳机内设置加速计，通过加速计采集加速度信号，设置隐私隔离区，区分当前为步行或休息状态；处于静止状态使用子窗口合并算法来检测颈部运动，处于行动状态时通过PCA的分量提取、漂移消除、基于信号斜率的包络计算、分量选择和子窗口合并来确定颈部运动的边界；通过数据扩充来增加样本量，避免过拟合，然后将数据输入CNN以识别颈部运动。2.根据权利要求1所述的基于耳机的保护隐私的颈椎运动识别方法，其特征在于，区分当前为步行或休息状态：首先，利用高通滤波器消除重力和随机噪声的影响，然后根据均方根RMS
I
阈值确定用户的状态；如果用户处于步行状态，则通过低通滤波器去除原始信号中的步态信息，没有用户隐私的数据传输到云端；如果用户处于静止状态，原始数据将与去掉重力信息的高通滤波数据一起发送到云端；3.根据权利要求1所述的基于耳机的保护隐私的颈椎运动识别方法，其特征在于，使用子窗口合并算法来检测颈部运动，如公式：处于行动状态时，计算如下：D＝[LX
′
,LY
′
,LZ
′
,RX
′
,RY
′
,RZ
′
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)C＝D
*
×
(D
*
)
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)Y＝R
×
D(R为C的特征向量矩阵)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)Y
′
k
＝Y
k
‑
f
k
,k∈{1,2,
…
N}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)y
k
＝|ΔY
′
k
(t)＝Y
′
k
(t)
‑
Y
′
k
(t
‑
1)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)(7)(7)4.根据权利要求1所述的基于耳机的保护隐私的颈椎运动识别方法，其特征在于，耳机内置加速度传感器采集数据；设置隐私隔离区，通过滤波去除步态信息，保护用户隐私。5.根据权利要求1所述的基于耳机的保护隐私的颈椎运动识别方法，其特征在于，分量提取：首先利用主成分分析(PCA)方法将六轴数据重组为不相关的成分；在进行PCA分析前，对六轴数据进行归一化处理，以抵消不同维度的影响；
D＝[LX
′
,LY
′
,LZ
′
,RX
′
,RY
′
,RZ
′
]式中LX
′
,LY
′<...

【专利技术属性】
技术研发人员：毕红亮，刘家佳，孙媛媛，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：