一種基于壓力傳感矩陣的AI人體臥姿識別系統(tǒng)的研究

常振云 趙琳 屈志文

摘要：隨著智能識別系統(tǒng)在各個領(lǐng)域應(yīng)用的普及，精準化、針對性的管理和服務(wù)已經(jīng)有了越來越優(yōu)秀的表現(xiàn)。本文以AI姿態(tài)識別在臥床病患的精準護理方面的應(yīng)用為研究對象，設(shè)計了一種基于壓力傳感矩陣采集人體臥姿數(shù)據(jù)，然后在上位機進行數(shù)據(jù)清洗與存儲、數(shù)據(jù)點可視化成像、AI算法根據(jù)數(shù)據(jù)可視化圖像進行人體臥姿識別的系統(tǒng)。經(jīng)數(shù)據(jù)實驗測試，基本可以實現(xiàn)初步效果。該系統(tǒng)可應(yīng)用在養(yǎng)老、助殘護理中的輔助智能提醒及精準護理領(lǐng)域。

關(guān)鍵詞：傳感陣列;數(shù)據(jù)可視化;AI;姿態(tài)識別

中圖分類號： TP212? ?文獻標識碼：A? ? 文章編號：1007-9416（2020）10-0000-00

0 引言

近年來，隨著智能感知技術(shù)以及大數(shù)據(jù)和人工智能技術(shù)的發(fā)展，在各行業(yè)不同的應(yīng)用場景中技術(shù)融合解決實際問題的需求日益增加。對于家庭及護理機構(gòu)和醫(yī)院來說，長期臥床病患的護理工作是一項不可避免又非常耗費人力、物力的工作，尤其是對于失去部分身體機能的重癥病患來說，精準有效的護理需求越來越突出。本文針對的研究內(nèi)容就是建立一個從病床到精準護理的模型。本文是天津市大學(xué)生創(chuàng)新訓(xùn)練計劃項目“基于壓力傳感矩陣的人體部位識別系統(tǒng)”研究成果的一部分，重點闡述了從通過壓力傳感陣列設(shè)計及數(shù)據(jù)采集、數(shù)據(jù)清洗及分析、數(shù)據(jù)可視化成像到智能圖像識別判斷人體臥姿的模型建立及實踐。

1 系統(tǒng)模型建立

課題以可視化展現(xiàn)為目標，以臥姿識別為成果，通過硬件壓力傳感陣列采集的數(shù)據(jù)為基本處理對象，設(shè)計研究的具體系統(tǒng)模型如圖1所示。

2 傳感陣列硬件及數(shù)據(jù)采集設(shè)計

傳感陣列的數(shù)據(jù)采集系統(tǒng)主要由信號采集模塊、單片機最小系統(tǒng)模塊、數(shù)據(jù)通信模塊和上位機組成。首先選擇合適的針對人體姿態(tài)檢測的壓力傳感器矩陣作為信號采集的主要模塊，然后針對該傳感器矩陣進行外圍電路的設(shè)計，完成對矩陣上壓力信息的采集，接著利用單片機最小系統(tǒng)對該傳感器矩陣檢測的信號進行信號采集、處理以及發(fā)送，其中主要包括系統(tǒng)時鐘電路、復(fù)位電路、單片機程序下載電路、濾波電路、數(shù)據(jù)通信電路和系統(tǒng)工作指示等相關(guān)電路，最后將這些數(shù)據(jù)發(fā)送至上位機，由上位機將數(shù)據(jù)圖像化，生成壓力分布二維圖像，實時分析當前壓力分布狀態(tài)[1]。具體設(shè)計框圖如圖2所示。

為了滿足本課題的實際要求，在分析和研究了各種壓力傳感器的基礎(chǔ)上，最后選擇了電阻式薄膜壓力傳感器矩陣。該傳感器是在柔性聚酯基材上印刷電極、力敏、結(jié)緣、膠水以及其他需要的功能材料，具有柔軟性好、延展性好、透明度高，重量輕等特點，非常適合本設(shè)計。該陣列的原理是根據(jù)壓阻效應(yīng)來測量壓力。

信號采集模塊采用的是一個8×8的傳感器矩陣模擬，采用行列掃描的方法，利用CD74HC4067芯片控制傳感器矩陣的采集順序。數(shù)據(jù)通信模塊考慮到系統(tǒng)的使用環(huán)境、傳輸距離和傳輸信號的抗干擾能力，最終決定使用USB串口通信，主要利用CH340轉(zhuǎn)接芯片，實現(xiàn)USB轉(zhuǎn)串口、USB轉(zhuǎn)IrDA或者USB轉(zhuǎn)打印口，通過簡單的配置和外部連線即可滿足系統(tǒng)的通信要求。單片機是本模塊中的核心，選擇一款合適的單片機對于該模塊是至關(guān)重要的。它的性能、功耗及支持的外圍設(shè)備等都能決定系統(tǒng)最后的成本和性能。在研究了許多適合本系統(tǒng)的單片機后，選擇了STM32F103C8T6單片機。本課題單片機程序是基于Windows操作系統(tǒng)，在KeiluVision5集成開發(fā)環(huán)境中實現(xiàn)的，程序的核心是采集壓力信息的功能。采集壓力信息子程序?qū)Ω鱾鞲袉卧M行AD轉(zhuǎn)換，在一次轉(zhuǎn)換完成后進行數(shù)據(jù)讀取、通道切換等操作，在完成最后一列的轉(zhuǎn)換后，將這些數(shù)據(jù)發(fā)送至處理壓力信息子程序進行數(shù)據(jù)處理，最后將數(shù)據(jù)打包發(fā)送至上位機[2]。

3 數(shù)據(jù)處理

下位機采集和傳輸?shù)臄?shù)據(jù)還不能進行可視化使用，需要經(jīng)過相關(guān)的數(shù)據(jù)處理才能使用，本課題數(shù)據(jù)處理主要采用如下幾種方法[3]：

（1）判斷數(shù)據(jù)是否正確。根據(jù)需求設(shè)定數(shù)據(jù)格式為長度是3的數(shù)組[橫坐標，縱坐標，壓力值]，如果接收的數(shù)組長度不為3，則代表這組數(shù)據(jù)在傳輸?shù)倪^程中出現(xiàn)了錯誤，對此類數(shù)據(jù)只存儲但是不做任何處理。如果采集數(shù)據(jù)量不夠，采用均值填充策略對缺項的數(shù)據(jù)進行填充。（2）去掉最大值、最小值。為了降低極端數(shù)據(jù)對結(jié)果的影響，利用對數(shù)據(jù)進行去掉最大值最小值進行不合理數(shù)據(jù)的去峰處理。（3）去重復(fù)值。去重復(fù)值可以降低眾數(shù)對結(jié)果的影響，因此根據(jù)數(shù)據(jù)采集的情況，對數(shù)據(jù)進行去重處理。（4）求取平均值。對數(shù)據(jù)求平均值可以使結(jié)果更加準確，最終結(jié)果采用保留整數(shù)的形式。數(shù)據(jù)的存儲以三元組的形式進行存儲，采集的原始數(shù)據(jù)和經(jīng)過處理后的數(shù)據(jù)各作為一個數(shù)據(jù)表單獨存儲。

4 數(shù)據(jù)可視化及報警實現(xiàn)

Matplotlib 是一個 Python 的 2D繪圖庫，它以各種硬拷貝格式和跨平臺的交互式環(huán)境生成出版質(zhì)量級別的圖形，本課題在數(shù)據(jù)可視化處理上就采用了Matplotlib工具進行設(shè)計。首先使用Matplotlib對存儲的合理數(shù)據(jù)進行讀取，然后進行圖形繪制，繪制的圖形參考量主要是三個：橫坐標、縱坐標和壓力值，繪圖的數(shù)據(jù)存放在一個list里面[4]。

本課題還涉及到I/O流的控制操作，所以在設(shè)計時將使用報警系統(tǒng)來體現(xiàn)I/O流的控制，報警系統(tǒng)是用來提醒醫(yī)護人員發(fā)生的突發(fā)情況，如果當病人的溫度過低、心跳率降低或者人體姿態(tài)長時間不發(fā)生改變的時候，會及時向醫(yī)護人員報警，讓醫(yī)護人員采取緊急措施。

5 利用AI模型進行人體臥姿識別

本課題在臥姿識別功能上利用的是Keras框架下的序慣模型（Sequential）和函數(shù)式模型（Model）完成卷積神經(jīng)網(wǎng)絡(luò)中的輸入層、卷積層、池化層以及全連接層搭建。

由于生成的可視化圖像受制于數(shù)據(jù)量限制，所以對于人體臥姿識別的數(shù)據(jù)集圖像采用的是按需獨立建立和處理。數(shù)據(jù)集圖像中所選擇的圖片一共分有六個類別分別是：（1）分類的頭在左側(cè)平躺位;（2）分類的頭在左側(cè)俯臥位;（3）分類的頭在右側(cè)俯臥位;（4）分類的頭在右側(cè)平躺位;（5）分類的頭在左側(cè)側(cè)躺位;（6）分類的頭在右側(cè)側(cè)躺位。為保證訓(xùn)練的準確度，測試集是已選數(shù)據(jù)集還未參與訓(xùn)練時提前抽取出來的[5]。

因為數(shù)據(jù)集數(shù)量不大，所以選擇了TensorFlow Hub可用的離線模型。對隨機抽取測試集中的任意一張圖片進行識別分類，保證識別分類的隨機性和準確識別性，并通過引用Python庫中的PIL將最后識別分類出來的圖片顯示出來并標注說明圖片出處以及所屬的分類。

本研究運行測試模塊從測試集中抽取圖片進行識別分類和顯示，最終得到一張可視的圖片，并標識所屬出處為（1）分類，分類結(jié)果屬于（6）分類，即使圖像的分類出處不對，通過本模型也可以正確識別，并標注出正確的分類。如圖3所示。

6 結(jié)語

本文介紹了一種融合傳感陣列、數(shù)據(jù)采集處理、數(shù)據(jù)可視化成像及AI姿態(tài)識別等技術(shù)的應(yīng)用系統(tǒng)模型，雖然在有些數(shù)據(jù)集采集量上還有一定不足，但是具體模型設(shè)計完整，具有較強的實用價值，能夠為精準護理提供一定的研究基礎(chǔ)，同時也有繼續(xù)深入研究和進行成果轉(zhuǎn)化的意義。本文實驗成果以期為后續(xù)研究和其他領(lǐng)域的相關(guān)研究提供一定的參考。

參考文獻

[1] 趙治羽，馬磊，孫永奎.基于足底壓力傳感器的步態(tài)識別方法研究[J].電子測量技術(shù)，2019（13）：26-31.

[2] 劉少華.基于柔性陣列壓力傳感器的坐姿監(jiān)測與提醒系統(tǒng)的設(shè)計與實現(xiàn)[D].合肥：安徽大學(xué)，2018.

[3] 高大偉，郁珍艷，姚益平，等.Python在FY-2G定量業(yè)務(wù)產(chǎn)品自動可視化中的應(yīng)用[J].氣象科技，2018（1）：43-50.

[4] 田元，李方迪.基于深度信息的人體姿態(tài)識別研究綜述[J].計算機工程與應(yīng)用，2020（4）：1-8.

[5] 趙浩.基于TensorFlow的卷積神經(jīng)網(wǎng)絡(luò)圖像分類實踐策略研究[J].價值工程，2020（9）：205-207.

收稿日期：2020-08-20

基金項目：天津市大學(xué)生創(chuàng)新訓(xùn)練計劃項目“基于壓力傳感矩陣的人體部位識別系統(tǒng)”（201910859005）。

作者簡介：常振云（1978—），女，天津人，碩士，副教授，研究方向：數(shù)據(jù)采集、數(shù)據(jù)可視化分析。

Research on AI Human Posture Recognition System Based on Pressure Sensing Matrix

CHANG Zhen-yun， ZHAO Lin， QU Zhi-wen

（Tianjin Tianshi University， Tianjin? 301700）

Abstract： With the popularization of intelligent identification system in various fields， the accurate and targeted management and service have been more and more excellent performance. In this paper the application of AI posture recognition in precise nursing of bedridden patients is studied， A kind of data acquisition system based on pressure sensor matrix is designed， then the data is cleaned and stored in the upper computer、 data point visualization imaging、 AI algorithm according to the data visualization image of human body posture recognition system. Through the data experimental test， the preliminary results can be achieved. The system can be used in the field of auxiliary intelligent reminder and precise nursing in the field of pension and disability care.

Key words： sensor array; data visualization; AI; attitude recognition