李天宇

（長(zhǎng)春工程學(xué)院 計(jì)算機(jī)技術(shù)與工程學(xué)院，吉林 長(zhǎng)春　130012）

特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)

李天宇

（長(zhǎng)春工程學(xué)院 計(jì)算機(jī)技術(shù)與工程學(xué)院，吉林 長(zhǎng)春130012）

傳統(tǒng)基于 PC的視頻監(jiān)控系統(tǒng)，在識(shí)別特殊人群運(yùn)動(dòng)動(dòng)作過(guò)程中存在故障、穩(wěn)定性不佳的問(wèn)題。因此，設(shè)計(jì)并實(shí)現(xiàn)了一種基于DM642的特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別平臺(tái)，通過(guò)TMS320DM642?PCI評(píng)估板對(duì)人體運(yùn)動(dòng)圖像進(jìn)行處理，云臺(tái)運(yùn)動(dòng)調(diào)整CCD攝像機(jī)水平和垂直方向的視角，通過(guò)AT98S52芯片控制云臺(tái)。塑造的人體動(dòng)作采集模塊由9個(gè)AHRS模塊和1臺(tái)計(jì)算機(jī)組成，通過(guò)位于人體軀干、上下臂以及大小腿上的AHRS模塊采集人體運(yùn)動(dòng)動(dòng)作信息，并通過(guò)WiFi模塊將動(dòng)作信息反饋給上位機(jī)進(jìn)行顯示。采用云臺(tái)控制人體動(dòng)作采集模塊完成特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別。給出平臺(tái)對(duì)特殊人群運(yùn)動(dòng)動(dòng)作進(jìn)行識(shí)別的算法流程，以及平臺(tái)通過(guò)串口通信模塊輸出控制信號(hào)控制云臺(tái)的關(guān)鍵代碼。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)平臺(tái)可有效識(shí)別出特殊人群運(yùn)動(dòng)動(dòng)作，具有較高的識(shí)別率和應(yīng)用性。

特殊人群；運(yùn)動(dòng)動(dòng)作；智能識(shí)別；評(píng)估板

0　引　言

當(dāng)前，隨著信息化和智能化的發(fā)展，準(zhǔn)確識(shí)別出人體動(dòng)作，并判斷人體行為意圖，可確保智能化設(shè)備為特殊人群提供相關(guān)的服務(wù)。特殊人群行為識(shí)別分析是實(shí)現(xiàn)友好人機(jī)交互的依據(jù)，是增強(qiáng)特殊人群生活智能化水平的重要手段［1?3］。但是受到個(gè)體間差異性干擾以及外界環(huán)境干擾因素的影響，使得傳統(tǒng)基于PC的視頻監(jiān)控系統(tǒng)，在識(shí)別特殊人群運(yùn)動(dòng)動(dòng)作過(guò)程中存在故障、穩(wěn)定性不佳的問(wèn)題。因此，尋求有效方法塑造特殊人群運(yùn)動(dòng)動(dòng)作識(shí)別平臺(tái)，是當(dāng)前人體動(dòng)作識(shí)別領(lǐng)域分析的重點(diǎn)［4?5］。以往的特殊人群運(yùn)動(dòng)動(dòng)作識(shí)別方法都存在一定的缺陷，如文獻(xiàn)［6］通過(guò)布式運(yùn)動(dòng)傳感器網(wǎng)絡(luò)識(shí)別人體動(dòng)作，采用線性結(jié)算方法處理傳感器節(jié)點(diǎn)數(shù)據(jù)，獲取人體姿態(tài)數(shù)據(jù)，但是該種方法存在運(yùn)算量較高，分析過(guò)程復(fù)雜，實(shí)時(shí)性差的弊端。文獻(xiàn)［7］提出了基于分布式視覺(jué)的人體動(dòng)作識(shí)別方法，采用多個(gè)攝像機(jī)完成人體動(dòng)作的多角度檢測(cè)，再通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)檢測(cè)結(jié)果進(jìn)行分類，識(shí)別出人體動(dòng)作，但是該方法產(chǎn)生的數(shù)據(jù)量較高，無(wú)法滿足人體動(dòng)作的在線檢測(cè)需求。文獻(xiàn)［8］通過(guò)隱馬爾科夫模型對(duì)連續(xù)動(dòng)作視頻流進(jìn)行動(dòng)作片段劃分，再采用貝葉斯規(guī)范化辨識(shí)不同長(zhǎng)度的觀測(cè)序列，完成人體動(dòng)作識(shí)別，但其分析過(guò)程復(fù)雜，實(shí)時(shí)性較低。文獻(xiàn)［9］分析了通過(guò)視頻流完成人體動(dòng)作識(shí)別的方法，對(duì)輸入人體運(yùn)動(dòng)視頻進(jìn)行降維操作，再按照像素匹配方法從模板庫(kù)中，將需要表示的動(dòng)作種類進(jìn)行歸類，該方法較為簡(jiǎn)單，但辨識(shí)率較低。文獻(xiàn)［10］研究了依據(jù)無(wú)限制視頻流的人體動(dòng)作辨識(shí)方法，其從樣本架構(gòu)中采集局部靜態(tài)特征，獲取人體運(yùn)動(dòng)的時(shí)空特征點(diǎn)，通過(guò)直方圖同類加權(quán)的金字塔匹配核分類方法，完成時(shí)空特征的分類，實(shí)現(xiàn)人體運(yùn)動(dòng)動(dòng)作的識(shí)別。但是該種方法較為復(fù)雜，存在一定的局限性。

針對(duì)上述問(wèn)題，設(shè)計(jì)并實(shí)現(xiàn)了一種基于DM642的特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別平臺(tái)，通過(guò)云臺(tái)運(yùn)動(dòng)調(diào)整CCD攝像機(jī)水平和垂直方向的視角，并采用云臺(tái)控制人體動(dòng)作采集模塊，完成特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別。實(shí)驗(yàn)結(jié)果說(shuō)明，所設(shè)計(jì)平臺(tái)可有效識(shí)別出特殊人群運(yùn)動(dòng)動(dòng)作，并且識(shí)別效率和精度都較高。

1　基于DM642　的特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別平臺(tái)

1.1平臺(tái)結(jié)構(gòu)組成

設(shè)計(jì)的特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別平臺(tái)的結(jié)構(gòu)如圖1所示?？梢钥闯銎脚_(tái)通過(guò)TMS320DM642?PCI評(píng)估板對(duì)人體運(yùn)動(dòng)圖像進(jìn)行處理，云臺(tái)運(yùn)動(dòng)調(diào)整CCD攝像機(jī)水平和垂直方向的視角。通過(guò)AT98S52芯片控制云臺(tái)，云臺(tái)和TMS320DM642?PCI評(píng)估板間通過(guò)串口完成信息的交流。塑造人體動(dòng)作采集模塊由9個(gè)AHRS模塊和1臺(tái)計(jì)算機(jī)組成，通過(guò)位于人體軀干、上下臂以及大小腿上的AHRS模塊采集運(yùn)動(dòng)動(dòng)作信息，并通過(guò)WiFi模塊將動(dòng)作信息反饋給上位機(jī)進(jìn)行顯示。采用通過(guò)云臺(tái)控制人體動(dòng)作采集模塊，完成特殊人群的運(yùn)動(dòng)動(dòng)作識(shí)別。

圖1　基于DM642的特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別平臺(tái)結(jié)構(gòu)

1.2TMS320DM642?PCI評(píng)估板設(shè)計(jì)

TMS320DM642?PCI評(píng)估板是低功耗的、獨(dú)立的開(kāi)發(fā)平臺(tái)，其原理結(jié)構(gòu)圖如圖2所示。

評(píng)估板的運(yùn)行流程如下：

（1）視頻輸入。輸入兩路規(guī)范PAL/NTSC制電視模擬復(fù)合人體運(yùn)動(dòng)視頻信號(hào)，采用視頻解碼芯片NOL7115對(duì)信號(hào)進(jìn)行變換處理，將信號(hào)解碼成BT656碼流，并傳輸?shù)揭曨l接口。

（2）視頻存儲(chǔ)。DM642的視頻接口采集解碼BT656碼流，獲取人體運(yùn)動(dòng)圖像數(shù)據(jù)，并采用EDMA處理器反饋到SDRAM中保存。

（3）圖像處理。DM642中的CPU讀取SDRAM內(nèi)中圖像，并對(duì)圖像進(jìn)行操作后反饋到緩沖區(qū)。

（4）視頻輸出。采用EDMA處理器從SDRAM的輸出緩沖區(qū)中，獲取數(shù)據(jù)后，產(chǎn)生BT656碼流，該碼流則是DM642的視頻輸出。

（5）SVGA輸出。視頻編碼芯片NOL7115采集碼流后，可將其變換成SVGA信號(hào)輸出。

圖2　TMS320DM642?PCI板原理結(jié)構(gòu)

1.3人體動(dòng)作采集模塊設(shè)計(jì)

設(shè)計(jì)一種穿戴式傳感器模塊——姿態(tài)航向參考系統(tǒng)（Attiude and Heading Reference System，AHRS），其主要由CPU、陀螺儀、加速度計(jì)和磁力計(jì)構(gòu)成。通過(guò)擴(kuò)展卡爾曼濾波算法進(jìn)行多傳感器數(shù)據(jù)融合，獲取精確的人體運(yùn)動(dòng)姿態(tài)角度、角速度和加速度，再以AHRS模塊塑造人體動(dòng)作采集模塊，為特殊人群的運(yùn)動(dòng)動(dòng)作識(shí)別提供數(shù)據(jù)基礎(chǔ)。塑造的人體動(dòng)作采集模塊由9個(gè)AHRS模塊和1臺(tái)計(jì)算機(jī)組成，模塊分布在人的軀干、上下臂和大小腿，如圖3所示。9個(gè)AHRS模塊通過(guò)WiFi網(wǎng)絡(luò)以30 Hz的頻率上傳采集到的人體運(yùn)動(dòng)動(dòng)作數(shù)據(jù)，計(jì)算機(jī)接收、分析并顯示動(dòng)作數(shù)據(jù)。

圖3　人體動(dòng)作采集模塊示意圖

AHRS模塊將STM32芯片作為核心控制器，其結(jié)構(gòu)圖如圖4所示?？梢钥闯?，AHRS模塊由陀螺儀、加速度計(jì)、WiFi模塊、高頻濾波電路、信號(hào)調(diào)理電路以及數(shù)據(jù)存儲(chǔ)電路和STM32控制器等構(gòu)成。AHRS模塊的數(shù)據(jù)輸出頻率可調(diào)，可采用WiFi模塊同無(wú)線網(wǎng)絡(luò)相連，將采集到的人體運(yùn)動(dòng)動(dòng)作信息反饋給上位機(jī)，并執(zhí)行上位機(jī)的相關(guān)指令。

圖4　AHRS模塊結(jié)構(gòu)

AHRS模塊工作時(shí)，控制器分別采集陀螺儀、加速度計(jì)以及磁力計(jì)中的數(shù)據(jù)，并過(guò)濾數(shù)據(jù)中的噪聲因素，融合角度解算以及數(shù)據(jù)，獲取人體運(yùn)動(dòng)的姿態(tài)角度、角速度以及加速度，并采用WiFi模塊將數(shù)據(jù)反饋給上位機(jī)，上位機(jī)顯示人體運(yùn)動(dòng)姿態(tài)。采用云臺(tái)控制人體動(dòng)作采集模塊完成特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別。

1.4平臺(tái)控制原理

基于DM642的特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別平臺(tái)的控制原理如圖5所示?？梢钥闯觯O(shè)計(jì)的智能識(shí)別平臺(tái)采用攝像機(jī)獲取特殊人群運(yùn)動(dòng)圖像，并將圖像傳遞到處理器，在攝像機(jī)靜止的情況下提取前景目標(biāo)，若發(fā)現(xiàn)存在運(yùn)動(dòng)目標(biāo)，則運(yùn)算目標(biāo)質(zhì)心同視野中心間的偏差和方向，再按照協(xié)議將偏差變換成控制命令，伺服機(jī)可確保云臺(tái)調(diào)控?cái)z像機(jī)轉(zhuǎn)動(dòng)到圖像中心的位置，過(guò)濾存在的偏差。通過(guò)云臺(tái)控制人體動(dòng)作采集模塊中的AHRS模塊，獲取人體運(yùn)動(dòng)的姿態(tài)角度、角速度以及加速度，通過(guò)上位機(jī)顯示人體運(yùn)動(dòng)姿態(tài)。最終采用攝像機(jī)持續(xù)采集人體運(yùn)動(dòng)圖像，重復(fù)上述運(yùn)算跟蹤和攝像機(jī)角度調(diào)整過(guò)程，確保人體運(yùn)動(dòng)目標(biāo)處于攝像機(jī)監(jiān)控區(qū)域。

圖5　平臺(tái)控制原理

2　軟件設(shè)計(jì)

2.1平臺(tái)算法流程圖

設(shè)計(jì)的基于DM642的特殊人群的運(yùn)動(dòng)動(dòng)作識(shí)別平臺(tái)總體軟件算法流程，如圖6所示。

圖6　平臺(tái)算法流程

圖6中描述的平臺(tái)算法流程詳細(xì)過(guò)程如下：

（1）攝像頭處于靜止?fàn)顟B(tài)下，采集連續(xù)間隔的3幀特殊人體運(yùn)動(dòng)圖像，通過(guò)相鄰3幀差分法對(duì)特殊人群的運(yùn)動(dòng)范圍進(jìn)行分析，統(tǒng)計(jì)運(yùn)動(dòng)目標(biāo)二值掩膜中的運(yùn)動(dòng)點(diǎn)數(shù)量；

（2）如果二值掩膜中是1的點(diǎn)數(shù)高于閾值300，則說(shuō)明存在運(yùn)動(dòng)目標(biāo)，并在全圖中運(yùn)算圖像0階距，存儲(chǔ)圖像質(zhì)心；否則返回過(guò)程（1）；

（3）將目標(biāo)質(zhì)心當(dāng)成中心，設(shè)置檢索窗的大小為100×100，并將其當(dāng)成跟蹤算法的輸入；

（4）通過(guò)跟蹤算法運(yùn)算運(yùn)動(dòng)目標(biāo)質(zhì)心點(diǎn)和檢索窗尺寸，對(duì)檢索范圍進(jìn)行調(diào)控；

（5）按照目標(biāo)質(zhì)心設(shè)置待發(fā)送的云臺(tái)控制信息，并采用DM642板串口模塊傳遞云臺(tái)控制信號(hào)，進(jìn)而驅(qū)動(dòng)云臺(tái)向目標(biāo)方向轉(zhuǎn)動(dòng)；

（6）AHRS模塊中的控制器分別采集陀螺儀、加速度計(jì)以及磁力計(jì)中的數(shù)據(jù)，并融合角度解算以及數(shù)據(jù)，獲取人體運(yùn)動(dòng)的姿態(tài)角度、角速度以及加速度。通過(guò)WiFi模塊將數(shù)據(jù)反饋給上位機(jī)，上位機(jī)顯示人體運(yùn)動(dòng)姿態(tài)。

（7）采集下一幀人體運(yùn)動(dòng)圖像，返回過(guò)程（3）。

2.2平臺(tái)串口通信代碼設(shè)計(jì)

平臺(tái)通過(guò)串口通信模塊輸出控制信號(hào)，進(jìn)而控制云臺(tái)調(diào)整攝像頭變換方向?？刂芓MS320DM642?PCI板上設(shè)備的過(guò)程是：先設(shè)置相關(guān)句柄，再通過(guò)專門函數(shù)打開(kāi)設(shè)備，同時(shí)對(duì)設(shè)備原始信息進(jìn)行設(shè)置，獲取句柄，通過(guò)該句柄完成后續(xù)的操作，結(jié)束操作后終止設(shè)備的運(yùn)行。

平臺(tái)在main函數(shù)中對(duì)設(shè)備和緩沖區(qū)進(jìn)行配置，設(shè)置通信波特率是8 500 b/s，具體代碼如下：

3　實(shí)驗(yàn)分析

為了驗(yàn)證本文方法的有效性，需要進(jìn)行相關(guān)的實(shí)驗(yàn)分析，將不同年齡和體質(zhì)的殘疾人作為實(shí)驗(yàn)分析對(duì)象。

3.1殘疾人動(dòng)作識(shí)別效果

實(shí)驗(yàn)將AHRS模塊依據(jù)圖3部署方法，穿戴在實(shí)驗(yàn)對(duì)象身上，通過(guò)傳感器1采集殘疾人的軀干動(dòng)作，如后仰、轉(zhuǎn)身以及異常摔倒等。上臂傳感器2，4將軀干傳感器1當(dāng)成參考目標(biāo)，下臂傳感器3，5分別將傳感器2，4當(dāng)成參考目標(biāo)，獲取殘疾人手臂的動(dòng)作。同理腿部傳感器6，7，8，9可獲取殘疾人大腿和小腿動(dòng)作。本文設(shè)計(jì)的特殊人群運(yùn)動(dòng)動(dòng)作識(shí)別平臺(tái)，對(duì)殘疾人的運(yùn)動(dòng)動(dòng)作識(shí)別結(jié)果，如圖7所示。從圖7中可以看出，本文平臺(tái)可準(zhǔn)確對(duì)殘疾人的不同動(dòng)作進(jìn)行識(shí)別和顯示，是有效的。

圖7　本文平臺(tái)對(duì)殘疾人運(yùn)動(dòng)動(dòng)作的識(shí)別結(jié)果

3.2殘疾人不同類型動(dòng)作識(shí)別率

實(shí)驗(yàn)對(duì)比分析了本文方法和BP神經(jīng)網(wǎng)絡(luò)方法對(duì)于圖7中的殘疾人展臂、曲臂、左側(cè)伸臂、彎腰、掐腰以及指頭六種動(dòng)作的識(shí)別率，結(jié)果分別如圖8和圖9所示。

圖8　本文方法的動(dòng)作識(shí)別率

對(duì)比分析圖8和圖9能看出，BP神經(jīng)網(wǎng)絡(luò)方法對(duì)殘疾人的全部類型動(dòng)作的識(shí)別率約為82%；而本文方法對(duì)殘疾人的全部類型動(dòng)作的識(shí)別率約為97%；說(shuō)明本文方法具有較高的動(dòng)作識(shí)別性能，優(yōu)越性高。

圖9　BP神經(jīng)網(wǎng)絡(luò)方法的動(dòng)作識(shí)別率

3.3殘疾人摔倒動(dòng)作識(shí)別

實(shí)驗(yàn)檢測(cè)本文方法和BP神經(jīng)網(wǎng)絡(luò)方法識(shí)別殘疾人摔倒動(dòng)作的效果，要求實(shí)驗(yàn)對(duì)象做不同類型的摔倒動(dòng)作以及日常動(dòng)作，獲取兩種方法識(shí)別結(jié)果，如表1所示。分析表1可得，同BP神經(jīng)網(wǎng)絡(luò)方法相比，本文方法對(duì)殘疾人摔倒動(dòng)作的識(shí)別率較高，可滿足殘疾人等特殊人群意外摔倒動(dòng)作識(shí)別的需求，應(yīng)用性較強(qiáng)。

表1　摔倒檢測(cè)實(shí)驗(yàn)結(jié)果　%

4　結(jié)　論

傳統(tǒng)基于PC的視頻監(jiān)控系統(tǒng)，在識(shí)別特殊人群運(yùn)動(dòng)動(dòng)作過(guò)程中，存在故障、穩(wěn)定性不佳的問(wèn)題。因此，本文設(shè)計(jì)并實(shí)現(xiàn)了一種基于DM642的特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別平臺(tái)，通過(guò)TMS320DM642?PCI評(píng)估板對(duì)人體運(yùn)動(dòng)圖像進(jìn)行處理，云臺(tái)運(yùn)動(dòng)調(diào)整CCD攝像機(jī)水平和垂直方向的視角，通過(guò)AT98S52芯片控制云臺(tái)。塑造的人體動(dòng)作采集模塊由9個(gè)AHRS模塊和1臺(tái)計(jì)算機(jī)組成，通過(guò)位于人體軀干、上下臂以及大小腿上的AHRS模塊采集人體運(yùn)動(dòng)動(dòng)作信息，并通過(guò)WiFi模塊將動(dòng)作信息反饋給上位機(jī)進(jìn)行顯示。采用云臺(tái)控制人體動(dòng)作采集模塊完成特殊人群的運(yùn)動(dòng)動(dòng)作智能識(shí)別。給出平臺(tái)對(duì)特殊人群運(yùn)動(dòng)動(dòng)作進(jìn)行識(shí)別的算法流程，以及平臺(tái)通過(guò)串口通信模塊輸出控制信號(hào)控制云臺(tái)的關(guān)鍵代碼。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)平臺(tái)可有效識(shí)別出特殊人群運(yùn)動(dòng)動(dòng)作，具有較高的識(shí)別率和應(yīng)用性。

［1］劉艷，劉鼎家，韓智攀.基于動(dòng)作識(shí)別的情緒提取方法研究［J］.計(jì)算機(jī)工程，2015，41（5）：300?305.

［2］姚燦榮，劉韶濤.結(jié)合DM8168的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)設(shè)計(jì)［J］.微型機(jī)與應(yīng)用，2015，34（14）：42?44.

［3］宗鳴，陳迪忠，劉桐麟.基于閉環(huán)運(yùn)動(dòng)過(guò)程智能交流接觸器位置檢測(cè)方法研究［J］.電氣工程學(xué)報(bào)，2015，10（9）：73?78.

［4］周微，彭力.基于運(yùn)動(dòng)目標(biāo)檢測(cè)的智能視頻監(jiān)控系統(tǒng)［J］.江南大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，14（3）：310?315.

［5］王一嬌，路海明，謝朝霞.一種新的基于結(jié)構(gòu)光的人體動(dòng)作識(shí)別算法［J］.控制工程，2014，21（6）：949?953.

［6］劉飛，郝礦榮，丁永生，等.基于深度圖像的人體動(dòng)作識(shí)別方法［J］.計(jì)算機(jī)工程，2014，40（8）：168?172.

［7］王滿一，宋亞玲，李玉，等.結(jié)合區(qū)域光流特征的時(shí)序模板行為識(shí)別［J］.系統(tǒng)仿真學(xué)報(bào)，2015，27（5）：1146?1151.

［8］陳德為，莊煜祺，張培銘，等.基于單目視覺(jué)技術(shù)的智能交流接觸器三維動(dòng)態(tài)測(cè)試與分析技術(shù)［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2014，34（12）：1931?1937.

［9］王紅旗，李林偉，毛啊敏.基于小波包主元分析的表面肌電信號(hào)特征識(shí)別［J］.河南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，34 （2）：249?252.

［10］傅穎，郭晶云.基于動(dòng)態(tài)時(shí)間規(guī)整的人體動(dòng)作識(shí)別方法［J］.電子測(cè)量技術(shù)，2014，37（3）：69?72.

Design and implementation of intelligent recognition platform for special crowd motion activity

LI Tianyu
（School of Computer Science and Technology，Changchun Institute of Technology，Changchun 130012，China）

Traditional video monitoring system based on PC is easy to occur fault and has poor stability in the process of identification of special crowd motion activity.Therefore，a intelligent identification platform based on DM642 for special crowd motion activity was designed and realized.In the system，TMS320DM642?PCI evaluation board is used to process the human movement images，and AT98S52 chip is adopted to control the holder’s movement of the horizontal and vertical direction of the CCD camera viewing angle.The human body movement acquisition module consists of nine AHRS modules and a computer.The AHRS modules on the human torso，upper and lower arms and leg acquire the human movement information，and feeds back the information to the PC for display through WIFI module.With the help of special yuntai，human motion acquisition module is controlled to achieve the intelligent identification of the special crowd motion activity.The process for the special crowd motion activity identification algorithm of the platform，and the key code for controlling the platform through a serial port communica?tion module to output control signal are given.Experimental results indicate that the designed platform can effectively identify the special crowd motion activity，and has high recognition rate and applicability.

special group；motion activity；intelligent identification；evaluation board

TN915.5?34；TP391

A

1004?373X（2016）18?0021?05

10.16652/j.issn.1004?373x.2016.18.006

李天宇（1972—），男，蒙古族，吉林長(zhǎng)春人，講師，碩士。研究方向?yàn)檐浖こ獭?/p>

2016?01?18

國(guó)家自然科學(xué)基金（61301220）