Page 162 - 《软件学报》2021年第10期

3134 Journal of Software 软件学报 Vol.32, No.10, October 2021

在感知区域内的地板上,分别沿 0、30、60、90、120、150这 6 个不同的角度方向进行了标记,用于记录
真实的行走方向.在实验者知情的情况下,环境中布置了摄像头,用于记录实验者真实行走的步数.行走步长的
Ground truth 则是通过结合摄像头中获取的行走步数和 HTC Vive 获取的行走距离计算出来.实验时,实验者胸
上佩戴 VR 手柄,多次沿不同角度的标记行走,并由系统估计其行走的速度大小、方向,统计其行走的步数和步
长.为了估计行走参数,我们在空屋子和办公室两个环境中一共收集了 3 名实验者(1 名男性,两名女性)共
1 000 次行走数据.图 9 展示了系统行走参数估计的整体性能.具体地,行走速度大小的相对中位误差为 12.2%,
行走方向的中位误差为 9,行走计步的准确率为 90%,漏报率为 3.8%,步长估计的中位误差为 0.12m.

相对误差(%) 方向误差(度) 步长误差(m)
(a) 速度估计的整体性能 (b) 方向估计的整体性能 (c) 步数统计的整体性能 (d) 步长估计的整体性能
Fig.9 Overall estimation performance of walking parameters
图 9 行走参数估计的整体性能

不同行走速度的影响:由于人行走速度会有所差异,系统同时考虑了不同行走速度的影响.考虑到大多数人
的行走速度在 1m/s~1.5m/s 之间 [38,39] ,为了充分证明系统的鲁棒性,我们在 3 种行走速度下,验证了行走参数估计
的性能:中速(normal:1m/s~1.5m/s)、慢速(slow:0.8m/s~1m/s)、快速(fast:1.5m/s~3m/s),然后由一名实验者以 3 种
速度进行了多次行走.如图 10(a)和图 10(b)所示:在不同的行走速度下,行走速度和方向估计的误差相似,所以不
同的行走速度并不影响系统对行走速度和方向的估计.而对于步数的统计,如图 10(c)所示:随着人行走速度的
增大,步数统计的准确率逐渐降低.这是由于,当人以飞快的速度行走时,其加速和减速的过程也变快且不明显,
每一步引起的速度变化也更加不容易被观察到.其中,对于正常或慢速的行走,步数统计的精度均高于 90%;当
人飞快行走时,步数统计的精度虽然有所下降,但依然高于 88%.同样,对于正常或慢速行走,步长估计的中位误
差要低于快速行走时的中位误差.这是因为,系统对于步长的估计依赖于步数的统计,所以当步数统计性能下降
时,步长估计的精度也会受到影响.

快 中 慢
相对误差(%) 方向误差(度) 步长误差(m)
(a) (b) (c) (d)
(a) 不同行走速度对速度估计的影响;(b) 不同行走速度对行走方向估计的影响;
(c) 不同行走速度对行走步数估计的影响;(d) 不同行走速度对行走步长估计的影响
Fig.10 Estimation performance of walking speed, walking direction
and walking steps when the volunteer walks in different speed
图 10 不同行走速度下,行走方向估计、行走速度和行走步数估计的性能比较

不同行走方向的影响:系统同样考虑了人沿不同方向行走时对行走参数估计的影响.如图 11 所示:当人沿
不同方向行走时,行走速度、方向、步数和步长估计并无明显差异,进一步证明了系统的鲁棒性.