動態規劃

由於影像處理的速度較慢，當手臂動態擺動時，利用影像將無法即時的判 斷手臂動作，故在此納入動作辨識演算法，並以三軸加速度計為基礎，影像處 理輔助達到手臂動作的正確判斷，分為以下步驟：(1)訊號取樣、(2)特徵變換、

(3)計算動作序列之最長共同子序列、(4)動作相似度判斷、(5)影像輔助。

Step 1： 訊號取樣

動作辨識採用三軸加速度計 ADXL335，由前面章節 2.3.2 的介紹，可知其 輸出透過 Jennic 微控制器經由 ZigBee IEEE802.15.4 無線網路傳輸至電腦端，

取得 X、Y、Z 三軸的電壓變化，進而得到三軸各自加速度值，其範圍為±3G，

利用此數位訊號取樣，可進行下一步之特徵變換。

Step 2： 特徵變換

由訊號取樣得到X、Y、Z三軸的正負加速度值，將此三維數值所表示的一 連串動作利用笛卡兒座標系中卦限的範圍，變換至一維的動作序列，如圖 3-12 所示，目的將X、Y、Z三軸的瞬間狀態轉換至一維狀態空間，即是將一連串的 動作，變成一段序列，再依序列比對的相似性，判斷相似程度，以方便分析，

如圖 3-13 為一實際手臂上下擺動的部分轉換數值。

圖 3-12 卦限與三軸加速度值對應座標

圖 3-13 三軸加速度計轉換至一維狀態空間

Step 3： 計算動作序列之最長共同子序列

得到一連串的動作序列數值，可表示X、Y、Z三軸的特徵也可以得到動作 狀態的順序，針對此順序性的比對，且為了判斷的即時性，需要運算簡單且快 速的動態規劃演算法，本研究採用 D.S. Hirschberg 所提出的最長共同子序列演 算法 (Longest Common Subsequence; LCS) ，來計算動作序列相似的程度，可 以滿足動態辨識的功能。

LCS是一種針對序列順序性的辨識演算法，常應用在不同領域中做相似度 的比對，像是生物學上做測量序列相似度及語言訊號處理等等，其定義如式(3-10)所示。

LCS(X_i, Y_j) {

0 if i 0 or j 0 LCS(X_i−1, Y_j−1) 1 if x_i y_j Max (LCS(X_i, Y_j−1), LCS(X_i−1, Y_j)) if x_i ≠ y_j

(3-10)

28

欲求得兩序列X₁ ~ X_m與Y₁ ~ Y_n之最長共同子序列，需將X及Y序列轉變為 二維陣列，再將兩兩元素做比對以累積 共同子序列的長度。以設定之序列 1234(m=4)與 13243(n=5)及 1324314(n=7)兩序列比對的情形為例，圖 3-14 為計 算過程與結果，並由式(3-10)可得知最長共同子序列長度之數值分別為 3 與 4， matching rate 分別為 3/4=75%與 4/4=100%。因此，得到此相似度的比率數值，

便可依據不同的應用，自行設定門檻值，達到動作辨識的功能。

Step 5： 影像輔助

由上一階段得到手臂運動趨勢的正確率，但因三軸加速度計為與地面 G 值 得到相對之加速度值，故在同一水平下的運動無法正確的辨識，如圖 3-15、3-16 所示，由三軸加速度計的動態辨識在手臂張開擺動與手臂向前擺動，將會視 為相同的結果，故此部分納入 3.1 節所提出之影像處理技術，來輔助確定上肢 運動區域的範圍，以提升動態辨識的正確性。

圖 3-15 手臂張開的上下擺動

圖 3-16 手臂向前的上下擺動

30