1.一种基于穿戴设备的儿童姿态识别分析系统，其特征在于：所述系统包括特征提取模块、特征匹配模块和匹配后处理模块；

特征提取模块：是针对佩戴者进行几种基本运动姿态进行数据采集，根据人体运动学模型，对采集数据进行分析，提取佩戴者的不同动作姿态的不同个性特征，并将与各个动作姿态相对应的个性特征存储入数据库，供后面特征匹配模块进行匹配使用；

特征匹配模块：即运动姿态的特征匹配，是对运动状态的实时监听，对运动中的数据进行分段分析，对每一段的数据进行特征匹配，然后根据匹配结果进行匹配后处理；

匹配后处理模块：匹配后处理，是针对特征匹配成功和不成功两个方向；

设定一个稳定值标志lag，lag＝i,表示匹配成功，其中i＝{1,2,3…}对应几组基本运动姿态；lag＝0，表示匹配失败，并将当前标志lag存入定长数组队列q，用于稳定性判断；

当特征匹配中2个步骤都匹配到存在的运动特征，且队列q＝[..,lagi,.]，在q中lag相同的值n达到设定的稳定标准界值即n>N1，则认定状态稳定，并继续移动时间窗口继续监听，若达不到稳定标准界值，但达到动作匹配成功界值N2即N1>n>N2则认定不稳定状态，发出提醒警报；

当n

特征提取模块的实现过程包括：

1)、首先进行数据采集，在佩戴者处于稳定的基本动作活动下，读取一段时间的数据e＝{e1,e2,…ei,…en}；其中ei＝{i,ai}，ai是数据的真实大小；

2)、将采集的数据进行周期性划分；

当佩戴者处于静止时，加速度大小不变，为0，处于不同运动状态，大小也会在不同大小段浮动，将收集到的数据根据vi大小，将其分配到不同的段：{0-1}：{…ei…}；{1-2}:{…ej…}；…{max}:{…ek…}；{min}:{…em…}，其中ai∈(0,1)，aj∈(1,2),ak∈{ak|ak>max}；an∈{an|an

对于周期性的确定，通过最值进行确定，属于{max}区域的数据都是在不同周期的最值，将相邻的差值就能得到周期Ti，将得到的每个相邻周期取均值 其中n表示此段数据包含的周期段数；

令 即为当前运动状态的周期性特征。

2.根据权利要求1所述的一种基于穿戴设备的儿童姿态识别分析系统，其特征在于，所述特征提取模块包括：对一种运动姿态的数据，以运动周期性原理找到每一个迈步周期，并对每一个周期内的阶段进行抬脚、落脚和平稳阶段的分割，在抬脚和落脚受力较大的动作中，求每一个周期的大小平均值，作为特征。

3.根据权利要求1所述的一种基于穿戴设备的儿童姿态识别分析系统，其特征在于，所述特征匹配模块包括：在实际的运动中，动作不会像特征提取时动作规范规律，采用滑动窗口的方式进行姿态周期判别和特征匹配；设定2个滑动窗口t1和t2，每个窗口时间为2个基本动作的最长周期Tmax,即t＝2Tmax，在每一个时间窗口内，分两步进行特征匹配，即：

1)周期性匹配；周期性的特征能够体现一个人的运动频率特征，进行周期性特征匹配，先确定可能进行的某种活动或某几种活动；

e＝{e1,e2,…ei,…en}是一个时间窗口内的加速度数据其中ei＝{i,ai}；如果存在周期性动作，在一个周期内将会出现抬脚落脚和平稳阶段的连续数据，vi＝ai+1-ai显示加速度的变化趋势，判断出是否体现人体抬脚、落脚和平稳3个阶段的特征，再运用模块1.中提取周期特征T的方法提取此时间窗口t的周期值T，将T与运动特征的Tx比较，当T>Tx说明正在进行较缓慢的运动，当T

2)通过周期特征T的筛选，确定可能的几组运动姿态，继续进行加速度数据的阈值特征比对，取抬脚和落脚阶段受力情况较大阶段，计算此时间窗口的aup，adown特征，去匹配基本运动姿态的特征，进一步精确确定运动姿态；

通过两个步骤的匹配和排除，能够准确的匹配佩戴者进行的动作姿态；

周期性特征的比对，得到佩戴者双脚迈动频率，初步判定佩戴者可能进行的动作姿态，加速度阈值大小特征比对，进一步判定佩戴者的动作，若匹配成功则时间窗口后移，继续进行监听，当匹配不成功，进入下一步，根据不同情况发出警报；

3)对每一个周期内的抬脚和落脚阶段的划分，并计算此周期内两个阶段的加速度大小均值；

结合抬脚和落脚阶段的受力分析，加速度存方向上的变动，表现为大小的变化，在一个迈步周期Ti内，计算抬脚阶段内的 和 然后求所有周期的 其中此处求得令 即为属于当前运动状态加速度阈值大小特征；

4)对每一组基本动作周期性特征 和加速度阈值特征 进行存储，Map

value>,其中key代表不同的运动姿态，value＝{T,aup,adown}为对应状态的特征值；

日常的人体活动可以几种基本运动姿态组合而成，在此，在相邻的运动模式间特征表现不会太明显，即快走和小跑，这样，就限定特征的界限，划分特征区域，来区分运动姿态；

当周期T大于这样一个阈值Tx即T>Tx时、加速度大小均值 小于这样一个阈值ax即 时，就认定为走路姿态，相反为跑步姿态；同样，对跑步姿态做一个上限限定，在上限和下限之间的为跑步姿态，当超出上限阈值，进行匹配异常处理。