郎子钰 陆中成

（华东理工大学信息学院，上海 200237）

基于Intel Bay Trail微处理器的智能运动辅助系统设计

郎子钰 陆中成

（华东理工大学信息学院，上海 200237）

基于Intel Bay Trail微处理器、从软硬件角度设计专为老年人及特殊人群运动需要的智能运动辅助系统，并分别进行实现。其中，采用动作检测模块获取人体骨骼数据，根据动作识别和评分算法对运动者动作进行评价、指导和修正；采用生命特征模块监测心率和体温，对老年人可能发生的紧急情况快速反应，保障运动者的健康安全；采用环境检测模块监测环境参数，对运动者所处的环境进行评估。系统测试结果表明：设计的系统较好地实现了智能运动辅助效果。

Bay Trail微处理器；生命特征检测；环境检测；动作识别

1.引言

随着人们健康意识的日益增强，人们对于运动的需求也与日俱增，其中包括老年人及一些特殊人群[1]。但是，由于老年人或特殊人群年龄大或自身有障碍，运动时易发生意外。如果没有实时监测运动环境，就可能无法得到及时的救助，甚至可能会出现危险。因此，为这些特殊人群提供能实时监护的智能运动辅助系统、以避免运动发生意外已成为许多专家学者的研究热点[2]。

文献[3]使用传感器采集训练过程中运动员的各种参数，构建数据库，整合综合资料、系统评价、训练规划、信息管理4个模块，设计了一种专为帆板运动员使用的帆板训练系统。文献[4]运用虚拟现实技术，通过Kinect实现运动捕捉，建立数据库，并与训练者进行比对，为高尔夫学习者设计了一种高尔夫训练系统。虽然这些系统均意在利用高科技为现代运动提供辅助，但其共性是针对某种特定的运动项目，研究智能决策，迄今尚无针对老年人及特殊人群日常运动的智能运动辅助系统。

去年Intel公司发布了新一代功能强大的凌动处理器Bay Trail[5]，为解决这类问题提供了一个很好的平台。虽然近年来也不乏一些基于以往Intel处理器的嵌入式系统，但是强调低功耗、小体积的Intel凌动处理器平台与强调小体积高性能的EP80579系列系统芯片[6]、强调可扩展性能和低功耗的Pentium、core2、Celeron处理器[7-9]以及强调高性能的多核Xeon处理器[10]相比，更适宜于小型辅助系统的开发[11]。为此，本文基于Intel最新的Bay Trail处理器，使用先进传感器Kinect[12]和其它多种外部设备，结合动作识别和动作评分算法、环境评估模型、人体健康模型，开发出一套适应于老年人及特殊人群的智能运动辅助系统。本文首先根据老年人及特殊人群运动需求，基于Intel Bay Trail核心处理器分别从软硬件角度出发设计智能运动辅助系统；其次，分别讨论此智能运动辅助系统的软硬件实现；最后，分析该系统的测试结果，并给出进一步结论。

2.系统设计

由于老年人身体相对脆弱，在运动过程中易受伤，且不少老年人对自身生理特点认知不足，由此引发盲目运动，容易表现为运动的负作用；而对一些特殊人群，如运动员，他们运动时需要进行特定姿势的标准化训练，或初学者需要在没有教练的情况下完成动作的学习。因此，需要系统具有动作识别、生命特征检测和应急处理的功能。

近年来随着极端天气发生频率增加，空气污染越来越严重。空气污染越严重，人体吸入的有害物质越多，身体受到的伤害也越厉害。尤其是老年或体质较弱人群，更易患肺病或心脏病，对人体健康产生严重影响。因此，需要系统具有能实时监测当前运动环境并对其进行实时评估的功能，以及时提醒运动者如果环境恶劣，应尽量停止户外活动。

为此，系统采用如图1所示的设计构架，其中左侧为硬件部分，右侧为软件部分。

图1 系统设计总框架

2.1 硬件设计

系统硬件以采用22nm Silvermont CPU架构的Intel Bay Trail为核心处理器，其特点是执行效率和性能比Clover Trail+平台Atom平板芯片高2倍以上，且可流畅运行Windows 8.1操作系统，功耗极低。系统硬件组成包括如下功能模块。

（1）动作检测模块

动作检测模块主要以微软公司生产的Kinect的3D体感摄影机作为核心输入设备，提供RGB彩色数据、深度数据和骨骼数据，其同时具有导入即时动态捕捉、影像辨识、麦克风输入、语音辨识等功能，与Bay Trail处理器通过USB接口连接，用于检测运动者的动作。

（2）环境检测模块

把温度、湿度和PM2.5指标作为判断环境是否适合运动的重要指标，则环境检测模块应包括温度传感器、湿度传感器和PM2.5污染物检测传感器，用于检测运动环境的温度、湿度及PM2.5等环境指标，以评判环境是否适宜于老年人及特殊人群运动，以避免恶劣条件下运动，保障运动者身体健康。其中，温度传感器采用美国DALLAS半导体公司的DS18B20，可编程分辨率为9～12位，测温精度高，转换时间短。湿度传感器采用HUMIREL公司的HS1101，具有响应时间快、可靠性高和长期稳定的特点。PM2.5传感器采用SYHITECH公司的DSM501，可灵敏检测直径1微米以上的粒子。每个传感器使用单独的电路控制，采集到数据后，通过串行接口传输给处理核心。

（3）生命特征检测模块

生命特征检测模块基于MSP430单片机，采集运动者的心电信号，然后通过相应的软件模块算法对心电信号进行处理转换；主要用于检测运动者心率，以此判断运动者的运动量是否适宜。

（4）显示外设

为了使用户有更加真实生动的运动体验，系统设计中采用便携式投影仪作为显示输出设备，并通过VGA接口与Intel Bay Trail处理器连接。

（5）快速响应机器人

为了使老人群体可以在安全舒适的环境下享受运动带来的乐趣，同时保障他们运动安全，特设计快速响应机器人模块。快速响应机器人模块采用ZigBee无线通信进行控制。如果运动者有特别需求，则快速响应机器人模块收到特定信号，通过路径识别及时来到运动者身边，可协助运动者自救，以确保体验者的健康安全。

（6）3G通信模块

3 G通信模块以Intel Bay Trail平台为基础扩展出，用于当检测到异常情况时及时发送信息通知指定部门。2.2软件设计

针对运动用户实际需求，设计与系统相关硬件对应的软件，主要包括如下的动作识别模块、环境评估模块、生命特征应急模块和网络发送与机器人控制模块等。

（1）动作识别模块

动作检测模块将硬件动作检测模块获得的数据进行处理，设计采用特征提取方法，通过关节点位置的交叉和关节点之间的角度确定进行动作识别、根据动态时间规整（Dynamic Time Warping，DTW）算法进行动作评分，并以分数形式表示运动动作完成好坏。

（2）环境评估模块

鉴于高温环境下运动会引起体温升高，心率加快；高湿环境下运动，肌力会受空气湿度影响，容易引起损伤；而空气质量又会引起运动者肺部疾病等。因此，环境评估模块可将硬件环境检测模块监测得到的环境参数进行相应的处理。若环境条件恶劣不宜运动，则应及时发出警告信号。

（3）生命特征应急模块

生命特征应急模块将硬件生命特征检测模块检测到的运动者心率，建立心率与运动的对应关系，通过监测心率，依据运动者的年龄和期望达到的运动效果为其制定合理的运动安排，起到运动辅助的作用。如发现运动者心率异常则应立即发出警告并迅速终止运动，启动快速响应机器人处理紧急情况，并发送数据给指定部门以提高救援效果。

（4）网络发送与机器人控制模块

若生命特征应急模块检测出异常情况，则网络发送与机器人控制模块应对其做出及时响应。一方面启动通信程序，通过3G网络发送消息给指定的医疗部门；另一方面通过ZigBee发送一个启动字符至机器人，机器人收到启动字符后，利用光电传感器实现路径识别来到运动者身边，为其提供药物及自救设备。

3.系统实现

根据系统总体设计和软硬件设计，分别从硬件、软件角度实现系统。

3.1 硬件实现

系统硬件实现架构如图2所示。其中，动作识别模块信息来自动作检测核心设备Kinect，其从运动图像中提取运动者人体骨骼数据，通过USB接口与处理器连接，将提取到的数据返回处理器，作为老年人和特殊人群的动作分析依据。

环境监测模块包括三个传感器即温度、湿度和PM2.5传感器，每个传感器采用单独的电路控制，独立工作，采集到数据后，共用一个串行接口分三个通道时分复用发送给处理器。

生命特征检测模块包括心率和体温两个传感器。其中心率传感器通过采集装置电极片采集人体心电信号进行滤波、放大及A/D转换和处理，并将处理后的心电信号通过串行接口发送给处理器，进行实时显示。

显示设备投影仪通过VGA接口与Bay Trail处理器连接。

图2 系统硬件实现架构

3.2 软件实现

软件实现流程如图3所示。首先初始化各模块包括基于Kinect的动作检测模块、生命特征检测模块、环境检测模块及通讯模块，然后判断是否进入与动作检测模块、生命特征检测模块和环境检测模块相应的主循环。

（1）与动作检测模块相应的主循环

首先，通过Kinect设备，调用其SDK工具集，获得人体骨骼节点的三维坐标；然后，使用动作判别算法比对实时读入的骨骼数据与初始化过程中读入的开始动作数据，若一致，则运动开始，否则跳转回主循环继续比对开始动作；运动开始后，将读入数据和标准动作集里的数据一一比对，将偏差输入打分系统打分；最后，判断是否做出结束动作，如是，则程序结束。

图3 系统软件实现流程

（2）与生命特征检测模块相应的主循环

首先调用串口数据获得生命特征数据（体温、心率）；然后根据健康运动的数学模型计算，获得此时的健康指标；再判断健康指标是否超标，如不超标，则返回主循环，继续监测；如超标，发送启动数据给快速响应机器人，机器人自主运行，通过3G网络发送此时的生命特征数据给指定位置。

（3）与环境检测模块相应的主循环

首先调用串口数据获得环境参数（温度、湿度、PM2.5）；然后根据环境评估模型计算环境指标；最后判别指标是否超标，是则发出警报，否则返回主循环，继续监测。

以温度检测为例分析程序运行过程。首先初始化温度传感器DS18B20，设置采样间隔为0.5秒，然后将采集到的温度值串行传输给上位机，上位机显示并判断是否超出了预设参数。若接收到的温度值连续10次超出预设参数，则蜂鸣器发出警报；若没有超出预设参数，则蜂鸣器不会报警。最后再次进入循环，如图4所示。湿度检测和PM2.5检测与此类似，故不再赘述。

图4 温度检测子程序框图

4.系统测试

基于上述系统的设计和实现，分别从动作识别、动作评分、生命特征、环境及系统总体性能等方面对系统进行测试。

4.1 动作识别测试

动作识别模块在系统的客户端，其运行界面如图5所示。

图5 客户端运行界面

为了测试动作识别算法的实际效果，选取5个动作，分别进行20次测试。测试结果如表1所示。表1动作识别测试结果

从测试结果来看，系统对上半身动作的识别效果较好，其中举起左手、举起右手和T字形动作的识别率达到了100%；对下半身动作的识别效果不如上半身，但仍然保持了较高的识别率。

4.2 动作评分测试

为了测试动作评分算法的实际效果，一名舞蹈水平普通的运动者将同一段舞蹈以由慢到快的速度重复三遍。以等时间间隔（1s）对实时分数进行采样，将采集到的分数绘制图像如图6所示。

图6 得分-难度关系图

从图6中可以看出，舞蹈速度增加，动作难度也随之增加，得分明显分为3个阶段，每个阶段逐步降低。尽管个别帧的差别较大，但是总体看来，运动者在动作难度较高的情况下得分更低，符合客观规律，证明了评分算法的有效性。

4.3 环境检测和心率检测测试

图7 环境与心率监测数据

图3是图5的局部放大。在100次测试中，由系统模块测量出的心率与由普通大型心电图仪测量出的心率相比，二者完全相等发生24次，相差1发生39次，所有样本中二者的差值不超过4。显然，系统温度和湿度检测模块的精度较高，但PM2.5模块的检测值与实际稍有差距。

5.结论

基于兼具小体积、低功耗和灵活性的Intel Bay Trail微处理器设计的系统很好地实现了智能运动辅助功能，为运动者尤其是老年人和具有特殊需要的人群提供了一种健康先进的交互式体验。其主要优势在于：①动作识别率高，测试表明识别率在95%以上；②采用快速的动作识别评分算法，实时性强，能够及时给予用户信息反馈；③使用先进传感器Kinect，实现了较好的视觉效果，给运动者以全新的运动感受；④快速反馈机制保障运动安全，辅助运动者实现健康科学运动。

目前，系统的应用尚待扩展到学生广播体操教学、舞蹈教学、以及特殊学校的体育教学等。同时，后续的研究工作将对算法进行优化，以更精确地识别复杂动作，并在软件开发端扩充数据库，添加自定义修改动作特征参数的功能以及更多的环境检测与生命体征检测功能，以满足用户日益丰富的运动需求。

[1]招惠芬．我国当代运动休闲发展现状及社会特征[J]．广州体育学院学报，2013，33(2)：64-67.

[2]钟亚平．信息技术在运动训练中的应用与展望[J]．武汉体育学院学报，2008，42(6)：52-55.

[3]梁萧，王树杰，张树青．基于Delphi的帆板运动摇帆训练专家系统PTES的开发与设计[J]．电脑知识与技术，2004，(4)：33-35.

[4]王娟娟．基于运动捕捉的高尔夫挥杆分析与辅助训练系统设计[J]．电子测试，2014，(19)：146-148.

[5]冯伟.英特尔Bay Trail芯片解析[J]．计算机与网络，2014，(1)：27.

[6]Brief-IntelP.EP80579IntegratedProcessorwithIntel. QuickAssist Technology Embedded Computing[J].

[7]Gochman S,Ronen R,Anati I,et al.The Intel pentium m processor:Microarchitecture and performance[J].Intel Technology Journal,2003,7(2):21-36.

[8]Processor D.Power and Thermal Management in the Intel.Core TM[J].Intel.Centrino.Duo Mobile Technology,2006,10(2):109.

[9]潘克修，陈万雨，邱传飞．基于Celeron-M嵌入式平台的身份识别智能终端设计[J]．国外电子测量技术，2007，26(2)：14-16.

[10]64-bit Intel.Xeon.processor dual processor server systems.http:// download.intel.com/products/processor/xeon/serverplafformbfief.pdf.

[11]巩庆志，王雅轩，郭武．基于Intel凌动平台的嵌入式教学探析[J]．计算机教育，2012，(19)：97-101.

[12]Alexiadis D S,Kelly P,Daras P,et al.Evaluating a dancer's performanceusingkinect-basedskeletontracking[C]// Proceedingsofthe19thACMinternationalconferenceon Multimedia.ACM,2011:659-662.

（责任编辑 张蓓）

TP212

A

1008－7257（2015）03－0064－04

2015－01－21

郎子钰（1993－），女，河南洛阳人，华东理工大学信息学院信息工程专业，研究方向为信号处理、嵌入式系统；陆中成（1958－），男，上海人，华东理工大学副教授，研究方向为嵌入式系统、人工智能、计算机视觉。