论文总字数：23444字

摘 要

随着微机电系统（MEMS）的发展，可穿戴式传感器的应用也越来越广泛，基于3D加速度传感器的步态识别就是利用人步行时产生的加速度信号进行身份认证的。步态作为人体的一种生物特征，在识别应用方面具有稳定性、唯一性和持续性等特点。

为了实现利用步态加速度信号进行身份识别目的，本文利用MPU6050加速度传感器和STM32F103CBT6单片机搭建人体步态加速度采集的硬件模型，然后以100HZ左右的采样率采集步行时脚踝部的加速度信号，并通过NRF24L01 无线模块传输给PC机。PC机接收到数据以后，消除数据误差并根据设定的参数提取指定步态信号，划分步态周期。然后提取步态信号的步态频率、对称系数、动态范围并根据步态信号匹配结果计算两步态信号的相似系数。最后针对不同步态特征进行分析综合，采用不同的权重完成步态识别的设计。根据上述原理以及实验结果，本文获得了很好的识别效果。

关键词：LabVIEW 步态识别 加速度 STM32 步态周期

Gait recognition based on 3D acceleration sensor

Abstract

With the development of Micro Electro Mechanical Systems (MEMS), more wearable sensors are coming into service.Gait recognition based on 3D acceleration sensor take advantage of acceleration generated by walking to identity identification. Gait, as a biological feature, has the characteristics of stability, uniqueness and persistence.

In order to realize the goal of using the gait acceleration signal to identity recognition，the paper bulit a hardware model of human gait acceleration acquisition which is composed of the MPU6050 acceleration sensor and STM32F103CBT6 microcontroller. Then collected the acceleration signal of ankle in walking with the sampling rate of 100HZ , and transmitted through the NRF24L01 wireless module to the PC machine. After receving the data, eliminate the data error and extract the pecified gait signal according to the set parameters, and the gait cycle is divided. Then gait frequency, symmetry coefficient and dynamic range of the gait signal are extracted, and the similarity coefficients of the two gait signals are calculated according to the matching results of the gait signals . Finally, analyse the different gait features , and adopt the different proportion of the allocation to complete the gait recognition. According to the above method, this paper obtained the very good recognition effect.

Key Words: LabVIEW ;Gait Recognition ;Acceleration ;STM32 ;Gait Cycle

目 录

摘 要 I

Abstract II

目 录 III

第一章 绪论 1

1.1 研究背景与意义 1

1.2 步态知识基础 2

1.2.1 步态周期 2

1.2.2 步态特征 2

1.2.3 识别综述 3

1.3 LabVIEW基础 4

1.4 研究内容 4

第二章 数据采集系统设计 6

2.1 数据采集电路设计 6

2.2 软件编程 11

2.2.1 编程工具 11

2.2.2 数据读取 11

2.2.3 数据发送 11

2.2.4 数据接收 13

第三章 数据预处理 14

3.1 数据校正 14

3.1.1 姿态角与姿态矩阵 14

3.1.2 四元数 16

3.1.3 姿态更新算法 18

3.2 步态信号提取 21

3.2.1 步态周期划分 21

3.2.2 正常步态提取 21

3.3 步态信号处理 22

3.3.1 滤波 22

3.3.2 插值 23

3.4 特征点提取 24

第四章 步态识别原理 26

4.1 相似系数 26

4.2 特征序列匹配 26

4.3 识别过程 28

4.3.1 单一特征识别 28

4.3.2 多特征识别 28

第五章 实验结果 30

5.1 实验样本 30

5.2 参数确定 31

5.3 识别效果 33

第六章 总结与期望 35

参考文献 36

附录 37

绪论

研究背景与意义

最近这些年，利用生物特征进行身份识别的方法已越来越广泛，常用的生物特征识别技术有指纹识别、人脸识别以及语音识别等。但是这些作为传统的生物特征身份识别技术均受一定的环境限制，而对于非接触式、受环境影响较小的步态特征来说，步态识别具有一定的优势。目前，步态识别的研究主要分为三类：一类是基于视频图像的识别研究，一类是基于地表压力传感器的识别研究，另一类是基于加速度传感器的识别研究。随着微机电技术的发展，加速度传感器的尺寸越来越小、精度越来越高，基于可穿戴式加速度传感器的步态研究也日益增多。

正常人在行走时的步态特征信息具有方便采集、受环境影响小、可持续性等一系列优点。而这些步态特征信息可以用来实现包括区分运动方式在内的步态识别。从2005年开始^[2]，国内外的研究人员对基于加速度传感器的步态识别做了大量的实验。研究表明，基于可穿戴式传感器的步态特征识别方法具有一定的可行性。不同人在正常行走时的加速度变化尤其是重力方向变化有着明显特征。对步行时的加速度信号进行采集并通过相关软件对数据进行处理与分析，最终可以实现身份识别的目的。

请支付后下载全文，论文总字数：23444字