（五）体态识别
人体的运动模式千变万化，对运动的识别基本上是一个逻辑思维的过程，如果考虑到场景和行为动机因素，可能只有动作发起者才知道自己在做什么动作。以简单的“梳头发”动作为例，这个动作虽然只涉及上肢运动，但不同个体的完成方式千差万别，如果不考虑头发和梳子这两个场景信息和行为动机，即使精确掌握所有关节的运动轨迹也无法进行识别。本研究所述系统只能得到人体躯干和四肢的运动状态，无法获取场景信息，因此此类动作也就不在本系统所能识别的范围里。根据四川大学华西医院康复医生的建议，识别重点是与场景无关的人体姿态。
我们把最基本的人体姿态分为站、坐、卧三种，这三种姿态称为第一级姿态，以图6-22为例，假设躯干、右侧大腿、左侧大腿与垂直法线的交角分别为θ1、θ2、θ3。
图6-22 躯干、大腿与垂线夹角
根据这3个角度，采用经验性定义的第一级人体姿态对应的肢体角度范围见表6-5。
表6-5 第一级人体姿态对应的肢体角度范围
第一级人体姿态没有考虑人体的运动，当人处于以上体态时，会伴随自发或非自发的运动。第二级人体姿态识别主要是评估各部位的运动状况。通过前文的运动跟踪算法，我们可以获得9个传感器输出的任意时刻躯干和四肢的滚转角、航向角、俯仰角，共计27个角度值。基于此，在k时刻，我们定义从k-T+1时刻到k时刻的能量函数E（k，T），见式（6-16）。
式中，Var（αi，T）表示第i个角度在k-T+1时刻到k时刻的方差，能量函数将所有角度的方差求和，因此它可以表示受试者在过去一段时间的运动强度。根据经验，我们可以设定一个门限如TEngy，当E（k，T）＞TEngy时，判断受试者处于运动状态；当E（k，T）≤TEngy时，判断受试者处于相对静止状态。
人体的动态特征往往是康复医学最为关注的，行走、骑行阻力车、下蹲等运动经常是康复医生规定的居家训练内容，这些动作的特点是具有周期性。第三级人体姿态识别的目标就是判断动作的周期性，并提取相关的频率信息。为此我们使用离散傅里叶变换（DFT）对关节角度进行分析。假设在k时刻，我们对k-T+1到k时刻进行离散傅里叶变换，见式（6-17）：(https://www.daowen.com)
我们定义频域上在（ω-Δω，ω+Δω）区间的能量函数见式（6-18），式中Δω表示一段频率邻域。
如果当前动作具有周期性，则E（ω，Δω）应具有显著的峰值，在频域上扫描获取能量函数的最大值
，见式（6-19）：
根据式（6-20）将峰值处能量
与频率谱总能量对比：
计算得到的
与预先设定的门限TP进行比较来判断过去T时间内是否处于周期性运动状态。如果
，则判断k时刻为周期性运动，否则为非周期性运动。
需要注意的是，以上算法对周期性运动的判断有一定的滞后性。对于某一周期性信号，其重复周期越多，频率谱上的能量函数峰值就越明显，在实际使用中需根据肢体位置、采样率选取离散傅里叶变换的时间跨度（T）和门限TP。
第三级人体姿态识别通常是针对下肢（大腿或小腿）的俯仰角进行的，当判断受试者下肢进行周期性运动时，多数情况下是行走状态（也有可能是骑行阻力自行车、深蹲训练、抬腿训练等），所对应频率能量峰值
即为步频。当步频大于某一门限时，可判断为跑步。