0 引言

　　運動競技和健康鍛煉中的運動過量和運動姿態不正確，會導致人體體能下降，平衡感降低，嚴重時會導致肌肉萎縮、軟骨損傷等永久性傷害。三軸加速度傳感器可全面有效地反應人體運動情況，結合Android平臺，構建運動模型，可有效糾正運動員不標準的運動姿態，優化運動訓練、提高效率，防止運動損傷與運動過量。將該系統應用于運動鍛煉中，還可有效預防老年人摔倒受傷，并為慢性病和肥胖癥患者提供評估自身運動量的相關幫助。

1 運動信息數學建模分析

　　1.1 運動過程能量消耗建模

　　每t1秒的步數n：第t1秒末人體的速度V1=V0+a1t1(m/s)，t1秒內的里程為x1=v0t1+a1(m)，設一個成年人的步長為a(單位：m)，則該人在t1秒內所走步數可近似為n=x1/a。

　　運動平均速度V：由公式V=步頻n×步長l，可得到1 s內平均速度，同時由于步長往往隨著步頻的改變而變化，因而不同步頻運動過程中的平均速度也不盡相同。由此，運動過程能量消耗也將隨步頻及運動速度的改變而產生變化。以大量身高相仿的運動對象為例，對其運動過程中的各運動參數進行匯總分析，得到步長l(單位：m)與步頻n(單位：步/s)的關系大致如表1所示 。

　　能量消耗W：依據上述對平均速度的求導辦法，對運動過程中的平均速度與能量消耗進行分析，得到如表2所示數據，由表2可推導n秒內卡路里消耗總量W=4.5w1i/1 800(C)，其中w1(單位kg)為個體體重，由此便完成了對運動過程中能量消耗的建模分析。

　　1.2 人體運動模型的識別

　　1.2.1 基于三軸加速度校準的人體姿態角計算

　　人體周圍區域的劃分以人體坐標系為基準，判斷人體姿態主要利用俯仰角和翻滾角，在人體姿態角的計算過程中，設g為重力加速度，GX、GY、GZ為加速度傳感器三個正交測量軸上的測量值，俯仰角為，翻滾角為，求導辦法如下所示，由式(1)求得，由式(2)求得。

　　1.2.2 基于三軸加速度傳感器的運動模式的識別

　　人體運動模型可以看作是由轉身、步行、原地跳躍、下蹲等幾個基本的運動元素有機組合而成。人體運動模式識別是以人體姿態作為主要提取特征，以人體坐標系為基準，進而對人體周圍空間分別進行水平和垂直劃分的，劃分方法如圖1所示。

　　人體周圍空間在XY平面上被平均分成四個區域，A、B、C、D區域分別為人體正面、左面、后面、右面空間。站立/蹲下/站立，站立/坐下/站立，以及前傾跑步等多種運動方式發生在A區域。仰臥、仰坐等動作發生在C區域。側臥或跌倒等動作發生在B、D區域。垂直軸到水平面共90°的空間被劃分為3個區域，為偏離垂直軸的角度。判定方法見表3。垂直方向上的劃分更加強調人體在某一方向運動的強烈程度。

　　位于D區。使用三維向量[X1，X2，X3]代表初始狀態、中間狀態和最終狀態，獲取了人體的姿態序列，從而進一步確定運動中軀干部分姿態變化的過程。

2 系統總體結構設計

　　系統通過測量三軸加速度(GX、GY、GZ)，完成卡路里消耗計算，利用運動模式識別算法實現對人體姿態判斷以及跌倒警報預判，利用GPS定位技術實現人體運動軌跡跟蹤。綜合計算，以滿足人體運動狀態的監測。

　　系統總體結構流程圖如圖2所示。

　　2.1 硬件系統的設計

　　硬件系統由監測人體運動的三軸加速度傳感器MPU6050、Micro SD卡、溫度傳感器DS18B20、有機發光二極管OLED顯示屏、處理數據的微處理器MSP430、以及藍牙模塊HC05等組成。系統框架和信息流向如圖3所示。

　　由圖3可知，微處理器通過溫度傳感器獲取人體體溫參數，通過三軸加速度傳感器獲取人體在不同運動狀態時的三軸加速度以及人體所處的環境溫度。微處理器一方面將這些數據通過顯示屏顯示出來，另一方面又將這些數據存儲到SD卡中，以便對所獲取的數據進行離線分析；同時還可將這些數據通過藍牙模塊傳送到手機安卓平臺，通過算法分析和安卓手機編程將三軸加速度進行整合計算出人體在不同運動狀態下的速度，里程、卡路里消耗以及運動姿態情況，并在手機上顯示出來。

　　2.2 軟件系統的設計

　　系統軟件流程圖如圖4所示。

　　2.2.1 Android平臺的創建

　　Android平臺的服務端采用 Struts2+Hibernate 框架架構，數據存儲采用 MySQL 數據庫。服務器端架構圖如圖5所示。

　　整個服務端采用多層次的架構，從上到下依次是控制器層、模型層、持久化層和數據庫層。Struts2 充當控制層和模型層，Hibernate 充當持久層。Struts2 框架中的FiltrDispatcher 作為控制器，它作為 Selvert 過濾器，接收用戶請求，過濾并轉發。Action 作為 Struts2 中的模型層，用來調用業務邏輯處理請求，還可以進行數據的傳遞。

　　2.2.2 GPS定位技術

　　GPS全球定位系統是通過分析GPS接收機終端和基站之間所傳播信號的特征參數來實現位置獲取功能的。當前Android手機大都配備了完備的GPS接收系統，該定位技術利用空間距離后方交會的方法，把GPS定位衛星的瞬間位置當作已知數據，進而確定GPS接收機的所處位置。在此基礎上本系統通過對百度Map API技術的調用，構建相應的配套服務體系，通過百度Map API便可將設備所處的地理位置信息實時顯示在app界面，同時還能夠實現地圖的加載、縮放及瀏覽功能，滿足用戶在使用該系統過程中的定位需求。

3 實驗結果與分析

　　基于人體傳感和Android技術的運動監測系統的設計實驗樣本為10名身體健康、身高在160 cm～180 cm，體重在50 kg～60 kg的志愿者，實驗距離為50 m，實驗方法為直立行走、慢跑、跌倒三種運動狀態，采集到的瞬時加速度實驗數據（忽略方向）如表4所示。將此過程中的能量消耗作為實驗變量，以此同標準跑步機所測得的能量消耗數據進行對比，進而便可分析系統測試結果的準確程度。

　　3.1 實驗準確性分析

　　實驗中，志愿者佩戴運動監測系統與兄弟牌跑步機WL-195運動進行對比測試，測試結果數據如表5、表6、表7所示。

　　3.2 實驗數據分析

　　X、Y、Z軸的加速度為10名測試者在相同運動狀態下的平均值，而合成的加速度為三軸加速度，位于A區，符合人體正常走步時的運動姿態；當人體慢跑時，?琢的平均值為37.64°，處于過渡態，并且位于D區，符合人體跌倒時的運動姿態。實驗測得三分鐘內人體運動時的實時三軸加速度，由此合成得到人體正常行走、慢跑、正常行走時突然跌倒等階段的加速度曲線圖如分別圖6、圖7、圖8所示。

　　圖6～圖8三個曲線圖直觀地顯示了正常行走、跑步狀態以及跌倒狀態下的加速度變化情況。此外，由于人體運動過程中的合加速度是由X、Y、Z三軸加速度進行矢量合成求得的，當人體正常行走和跑步時，X軸加速度明顯大于Y軸和Z軸的加速度，且人體跑步過程中的三軸加速度分量都要明顯高于人體正常正常行走過程中的三軸加速度分量。人體在跌倒時處于失重狀態，由于受到重力加速度影響，此時Z軸加速度出現明顯變化。人體跌倒時有不同姿態，因此人體跌倒時的三軸加速度不盡相同，由圖8可知跌倒時的加速度與正常行走和跑步時的合速度出現明顯區別。

4 結論

　　本文提出一種便攜式運動監測系統的設計方案，通過MSP430微控制器結合Android手機平臺實現人體運動的三軸加速度、速度、里程等參數測量，并通過運動模式識別算法判斷人體運動姿態，并發出跌倒警報，并且利用GPS定位技術對運動路線進行實時跟蹤。系統對運動參數分析處理可得到運動消耗的卡路里，評估人體運動量，以防止運動過度和運動損傷對健康造成威脅。

參考文獻

　　[1] 吳黎明，張力鍇，李怡凡.基于ANN和單個三軸加速度傳感器的汽車運動姿態測量[J].傳感技術學報，2011，24(6)：923-927.

　　[2] 陸樂，戴劍松，徐波，等.加速度傳感器測量不同速度運動時能量消耗的研究[J].西安體育學院學報，2013，30(1)：104-107.

　　[3] 杜喆.基于接近式傳感器電子計步器的設計[J].機械與電子，2014(1)：80-81.

　　[4] 劉鵬，盧潭城，呂愿愿，等.基于MEMS三軸加速度傳感器的摔倒檢測[J].傳感技術學報，2014，27(4)：570-574.

　　[5] 黃棉波，楊豐，王磊，等.基于無線傳感器的患者運動信號檢測系統設計及其應用[J].醫療衛生裝備，2011，32(1)：4-7.

　　[6] 朱國忠，韋彩虹，潘敏.基于三維加速度傳感器的人體運動能耗檢測算法的研究[J].傳感技術學報，2001，24(8)：1217-1222.

　　[7] 蔡忠建.人體活動量的測量[J].渝州大學學報，1997，14(2)：66-70.

　　[8] 邱淑敏，王歡，江崇民.運動健身能量消耗簡易測量方法的效度研究[J].體育科學，2013，32(6)：69-76.

　　[9] 朱弋，鄭爾信.人體運動量及能耗的測量[J].國外醫學生物醫學工程分冊，1997，17(4)：202-206.

　　[10] 薛洋.基于單個加速度傳感器的人體運動模式識別[D].廣州：華南理工大學，2011.

　　[11] 李路.基于多傳感器的人體運動模式識別研究[D].濟南：山東大學，2010.

　　[12] 吳忠澤.基于智能移動終端的人體運動狀態監測系統的設計與實現[D].廣州：華南理工大學，2011.