嵌入3轴加速度传感器的智能手机的运动识别外文翻译资料

 2022-10-26 10:16:23

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

嵌入3轴加速度传感器的智能手机的运动识别

作者：韩国外国语大学

计算机科学与工程系

Hyunju Cho, Sangchul Kim

温斯顿-沙伦州立大学

计算机科学系

Jinsuk Baek, Paul S. Fisher

摘要——随着智能手机设备周围技术在过去几年里得到了发展，我们发现一台设备里包含了一系列的传感器。事实上，可以说，智能手机的发展一直是科学技术的重要进步之一。我们将展示智能手机的一个另外的应用：利用它作为一个通用的，硬件，游戏控制器。我们将展示运动识别机制如何利用三轴加速度传感器在三维空间中的移动来确定手机的位置变化。在使用智能手机检测用户的运动时，相应的加速度值通过Wi-Fi通信发送到游戏控制台。游戏控制台使用一个模式匹配机制执行运动识别。该机制应用于认识三维地面击球运动网球游戏：正手击球、反手击球、和发球。对于这三个运动的校准，我们展示了系统如何准确的识别运动，并得出击中球的可能性。这些结果完全实现的时候，可以提供更丰富、更简单的用户体验。

关键词-加速度传感器；智能手机；运动识别；增强现实

一 简介

竞争力的要求促进了智能手机技术的进步，许多传统的固定设备上的游戏，正在被移植到智能手机上。因此，键盘和鼠标设备不再是电脑游戏的唯一选择。许多智能手机都配备了传感器，如加速度传感器、磁强传感器，陀螺仪，定位仪等。这些设备支持使用游戏软件来检测用户的动作和身体，并且如果支持的软件适用于这些新的输入设备，那么智能手机可以提供一个更自然的和更身临其境的用户体验。

当然，基于现实主义的游戏已经实现了商业游戏机[1]-[3]要求的支持手持控制器来提供逼真的游戏体验。不幸的是，这样的游戏机的可用性被用户数量所限制，因为：

1）用户必须购买昂贵的游戏机；特别是对于多玩家游戏，需要多个游戏机控制器。

2）游戏机本身具有有限的可移植性；虽然在家中用户可以玩视频游戏，但是当用户离开家的时候，游戏机就会丢失游戏的可玩性。

3）手持式控制器是非常容易丢失的，而智能手机的关键性质是它几乎永远不会丢失。

我们建议使用配备了这些不同的硬件传感器的智能手机替代游戏机，以消除额外的设备。自然可以想到，我们可以使用任何计算设备作为游戏控制台，来提供了一种廉价的、无处不在的游戏环境。我们最终利用加速度传感器来识别摆动运动的特征，并将结果应用到一个需要显示对象协调运动的游戏中。

在网球为例，当们考虑主要的击球运动大致可分为：正手击球、反手击球、和发球。加速度传感器是一个智能手机嵌入式传感器，用于测量速度的变化速度与方向。因此，它以规范的形式报告三维加速度值：一个X轴、一个Y轴和一个Z轴。利用3轴加速度触感器生成的有明显差异的数据，作为识别出的网球运动。

在时间序列分析的基础上，我们决定用户的击球行为是在规定的时间内、在一定的方向上，球在一个小窗口内横穿。这一分析也使我们能够评估智能手机在摆运期间的速度和方向。当用户点击球时，受到时间的限制，用户将智能手机以一个弯曲的动作移动，以达到击球点。这导致了一个去除重力因素的3轴加速度传感器的值的简单计算。我们说明这项研究是基于包括更广泛的实验和证明的参考文件[4]。

二 背景

现代线性加速度传感器通常是微小的，低功耗的，惯性的微电机械系统（微机电系统）。随着硬件设备性能的不断改善，它明确提高了在低成本上、节电系统方面上这些设备的吸引力。此外，随着智能手机技术的出现，加速度传感器最近在数字世界中更容易获取，在各种应用中也越来越普及[5] [11]。多亏了嵌入式加速度传感器的智能手机可以：

1）在水平或垂直方向使用而不必按触摸屏。

2）在拍摄照片时自主补偿抖动。

3）使用一个三轴磁力传感器和加速度传感器相结合的倾斜补偿式的指南针。

4）通过测量垂直加速度，利用科学验证的算法来支持计步器应用。

图1.智能手机正则坐标的图像示例

在智能手机上最常用的加速度传感器测量X轴（横向），Y轴（纵向）和Z轴（垂直）的线性加速度。图1显示了一个典型的智能手机的坐标示例[12]。该加速度传感器以我们所提到的三维向量的形式，报告加速度到游戏控制台如台式电脑。其结果是，加速度计可以用来检测运动，例如角位移和运动速度的变化率。

请注意，加速度计的另一个目的是测量它经历的重力。物体在地球表面附近的重力加速度g等于9.8 m/s2。在许多情况下，我们明确g是一个矢量，因为它的方向是朝向地球中心的。因此，向量G的值是-9.8 m/s2。该减符号表示方向向下。那就是，当智能手机在一个水平面固定，测出的的加速度向量包含重力加速度是[0,0,-9.8], 因为g是朝着三维坐标系的Z轴负方向的。

图2.倾斜的加速度传感器的重力分量

在图2中我们看到，当智能手机向右倾斜是，基于固定Y轴加速度的静态测量可根据倾斜程度进行。在这种情况下，测得的值是显然受到重力分量的影响。

图3.倾斜加速度传感器的加速度分量和重力分量

另一方面，当智能手机加速移动时，应考虑加速度和重力分量的动态测量。为简单起见和一致性，由图2，我们考虑用户朝右上方向移动智能手机的同时保持Y轴方向上的加速。它被描述在图3中所示的2个组件X-轴和Z轴各自的加速度矢量值。在这种情况下，重力分量对所测得的加速度分量值有一个相对较小的影响。

三 运动识别

嵌入在现代智能手机中的加速度传感器的3轴模型可以检测加速度矢量。一旦得到加速度计的值，它使我们能够认识到不同的运动，包括加速度的大小和方向。因为重力变化的方向，它也可以感觉智能手机的方向。

在这一节中，我们将认识到基于获取的加速度传感器值的有代表性的网球运动。这种识别是通过匹配运动的区别的应用模式匹配机制来实现的。首先，我们需要量化的有限数量的运动。这些包括正手击球、反手击球、和发球。该模式的基本运动匹配可以被扩展以包括额外的运动如截球、切球、扣球、吊高球等。第二，我们只考虑用户的右手为优势侧。对于左手用户，我们的识别机制将被反向应用。

如前面所述，所获得的加速度值包括重力。在静态情况下，同样的方向，重力因子可以被视为运动识别的噪声干扰。为了仅在一个给定的时刻获得加速度分量，重力分量应该从所获得的加速度值中减去。我们需要指出实现一个精确的重力过滤器不是一个简单的任务。此外，根据目标应用，重力因素可能是有用的。当用户在用右手掌握智能手机打网球游戏时我们开始。我们注意到，三个有代表性的运动有一个共同的，连续的系列动作，如下..

1）准备姿势（M1时期）：发起任何前，运动智能手机保持在一个固定的模式。

2）向后摆动（M2时期）：它向后移动，并最终位于身体的背面.

3）向前摆动（M3时期）：在尽可能短的时间内以最大速度向前移动。

4）返回准备姿势（M4时期）：摆动完成后，返回到准备姿势。

这一系列动作，如果我们排除重力分量，只考虑一个三轴加速度的值向量，因为所有得到的值表现出类似的模式，区分网球运动是困难的。代替消除重力分量，我们的运动识别分别求出3轴的加速度值，来准确区分三种运动。例如，由于加速度传感器可以检测加速度正负方向，获得的X轴的加速度值可以作为第一指标区分正手和反手。Z轴的加速度值包括重力分量，对于与其他两种击球运动区分发球是有用的。另一方面，为了计算出击球点的速度，应排除重力分量。

图4.正手击球时的3轴加速度值

图4显示了当用户进行正手击球动作时，四个运动时期所获得的加速度矢量。由于的正手击球动作的显著特征，X轴的值比其他两个轴有较宽的范围。因此，我们主要使用X轴的值的变化来识别正手击球动作。

在M1时期，3轴加速度值几乎都保持不变。

在M2时期，X轴改变方向为向上，这是X轴的正方向，说明智能手机在正确的方向上向后摆动。在M2时期开始时，因为智能手机移动到背面，Y轴的值暂时向下。一旦开始摆动，在M2期结束时Y轴上的值所得的值方向向上。同时， X轴的值达到最大峰值，定义为x_p1。这是因为用户需要在正手回摆的最后一刻做一个手腕运动。

在M3时期，x轴的值明显进入降低，最终的最低值，定义为x_d1。在这里，我们认识到向前摆动发生在向后摆动的相反方向上。同时基于Z轴的值，因为作为一个连续的动作，向前摆动紧接着摆动完成，智能手机位于表面最高的位置。更重要的是，用户的摆动速度达到最大值时，X轴有x_d1值。这使我们能够认为实际的击球活动发生在相应的时间内。

在M4 期间，x轴的值又因为智能手机回到准备姿势改为向上。因此，X轴达到第二峰，定义为x_p2。相比之下，在M4期结束时Z轴取到最低值。当用户返回到准备姿势时，智能手机暂时没有运动，导致一个现象：3轴加速度值都接近零轴。我们定义x_d2作为第二次X轴的最小值。因此，一次正手击球的X轴的值的总体变化可以表示为：

X_F代表在很短的时间内，无明显变化的X轴的值。

图5.反手击球时得到的3轴加速度值

图5显示了当用户执行一个反手击球动作时，测量的四个运动时期的加速度值。它显示了一个与图4相似但不相同的模式，特别是在M1期。

然而，在M2时期，我们可以观察到X轴的值为继续向下，这是与图4相反的方向。这说明智能手机为了向后摆动正朝左方移动。因此，X轴在M2时期降到最低点，定义为x_d1。

在同一时间段内，Z轴的值也继续向下。这意味相比准备姿势，着智能手机正在移动到较低的点，向非优势侧的反向移动。在x_d1之后，由于手腕和肩膀的旋转，X轴达到第一峰，定义为x_p1。在那之后，用户等待即将到来的球。在这段时间里，由于没有运动，3轴的所有值转负。此时X轴达到了x_d2。

在M3时期，X轴的值迅速上升，达到第二峰值点x_p2，但由于完成摆动，峰值保持时间很短。在这里，我们认识了反手击球的向前摆动部分发生在正手击球相同摆动的相反方向上。因此，我们认为，反手击球时球拍和球的实际交叉口必须发生在适当的、相应的时间。

在M4时期，x轴的值再次向下改变，因为智能手机回到准备姿势。在这一点上，X轴取到第三个最低值，定义为x_p3。一次反手击球的X轴值的总体格局现在可以表示为：

图6.发球的3轴加速度值

最后，发球运动得到的加速度值如图6所示。与另两个击球运动相反，Z轴的值比其他两个轴有较宽的范围。我们认识到网球发球运动相比正手/反手击球的向左/右运动，有着更为显著的向上/下运动。因此，为了区分发球运动与其他两运动，我们主要考虑Z轴值的变化。

在M1时期，3轴加速度的值基本保持不变，与其他两项运动的模式基本相同。

在M2时期，Z轴的值改变向下，这是Z轴负方向，说明智能手机在向下的方向发球。在M2时期开始时，因为智能手机的位置从用户身上进一步获得，Y轴的值暂时向上。在M2时期结束时，Z轴取到最低值，定义为z_d1。这意味着向后摆动动作已经完成。

在M3时期，Z轴的值改变向上，取到最高值，定义为z_p1。在同一时间，用户的摆动速度达到最大允许我们认为实际的动作发生在相应的时间。之后，Z轴突然下跌至z_d1。在这里，我们认识到在发球运动的情况下，摆动发生在向前摆动的相反的方向上。

之后，在M4时期，用户返回到准备姿势，3轴加速度值都接近于0。一次发球运动的Z轴值的变化现在可以表示为：

根据所观察到的不同的模式表示（1），（2），和（3），我们可以区分每个运动。一个发球运动，X轴的值基本保持x_f。这意味着如果在X轴上检测到一个不同的模式运动，可认为是其他两运动，然后可以根据x_p1（在正手击球的情况下）、x_d1（在反手击球的情况下）区分。此外，三个运动有不同的击球时间，它在Z轴取到x_d1（在正手击球的情况下），x_p2（在反手击球的情况下），z_p1（在发球情况下）时发生。

为了决定击球是否发生在适当的时间，我们定义了一个可变的时间窗口称为攻击区。当球在短时间内位于屏幕上的某一物理区域内时，该区被定义为攻击区。一次成功的攻击可以通过匹配定义的击球区来确定。为计算摆动的速度，图2中描述的重力加速度分量都排除在外，在时间t表示为三轴加速度矢量的大小。在向后摆动完成后，有一个短的时间间隔，显示用户没有移动，直到球位于攻击区。我们定义时间Tb，并且假设击球发生在时间Th。作为初始速度V_Tb为0，我们可以通过对时间t内3轴加速度值进行积分来估算V_Th，遵从下列公式：

四 实现

我们实现了一个运动识别系统，以证明模式匹配机制的可行性。我们的实现包括2个模块，其中包括一个客户端模块在智能手机设备操作，发球器模块在游戏控制台操作，如台式电脑。这两个模块分别是一个Android 2.3平台和Windows 7操作系统。为了支持图形用户界面，java Animator和java 2DGraphics模块作为辅助工具。发球器模块作为一个独立的应用程序来实现。

图7.客户端子系统截图

客户端系统采集的加速度轴的值将作为信息，以四个向量值的形式发送到发球器系统，四个向量值代表三个加速度值和计算时间。在Android平台，加速度值可以通过“sensorlistener “API中的“SensorAccelermeter”方法获得。通过Wi-Fi进行实际传输。图7显示了在智能手机上执行的子系统截图。由于台式电脑和智能手机之间的非对称的计算能力，我们需要在发球器端执行所有复杂的任务。

发球器系统接收客户端系统发送的运动数据，根据模式匹配机制，对时间和运动速度的数据进行分析，并将结果传送到游戏软件。

<p

剩余内容已隐藏，支付完成后下载完整资料</p

资料编号：[153941]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章