本文關(guān)鍵詞：可穿戴設(shè)備中的人體姿態(tài)識別方法，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科技的發(fā)展和制造工藝的不斷提高,以智能手機為首的智能設(shè)備不斷出新,幾乎貫穿人們生活中的方方面面。與此同時,人們也更加關(guān)注自身的健康和運動狀態(tài)�，F(xiàn)有的人體姿態(tài)識別研究基于便攜穿戴設(shè)備的比較少。因此,基于智能穿戴設(shè)備的人體姿態(tài)識別研究,將是未來發(fā)展的一個重要方向。本文以內(nèi)嵌三軸加速度傳感器的智能手機為數(shù)據(jù)采集設(shè)施,模擬穿戴設(shè)備,對人體日常的運動進(jìn)行實驗,采集運動時的三維加速度數(shù)據(jù),提出相關(guān)的方法對人體4種日�；具~步姿態(tài)(走路、跑步、上樓和下樓)進(jìn)行識別,并進(jìn)一步對各種姿態(tài)間的轉(zhuǎn)換進(jìn)行分析,并針對特殊的跌倒?fàn)顩r進(jìn)行識別。本文提出的方法對基本姿態(tài)和跌倒?fàn)顩r的識別,均有較好的識別效果。本文的主要內(nèi)容和貢獻(xiàn)如下:(1)、在深入分析人體邁步時受力情況的基礎(chǔ)上,對每個邁步區(qū)間進(jìn)行分析,提出一種基于單個邁步區(qū)間特征選取方法,使研究工作更細(xì)化,更精確的定位運動變化情況。(2)、提出一種基于單個邁步區(qū)間特征向量的分類、識別方法,能比較有效的識別出4種基本邁步姿態(tài)(走路、跑步、上樓和下樓)。(3)、對識別出的邁步步伐進(jìn)行組合,比較精確的定位前后不同持續(xù)姿態(tài)的轉(zhuǎn)換區(qū)間,并提出一種有效的跌倒識別方法。
【關(guān)鍵詞】：智能穿戴設(shè)備 加速度傳感器 運動姿態(tài)識別 跌倒檢測
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP368.33
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-14
• 1.1 課題研究背景及意義9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10
• 1.2 國內(nèi)外研究狀況10-12
• 1.3 發(fā)展趨勢12
• 1.4 本文組織結(jié)構(gòu)12-14
• 第二章 課題的研究內(nèi)容和設(shè)計方案14-23
• 2.1 課題的主要研究內(nèi)容14-15
• 2.1.1 數(shù)據(jù)的獲取與存儲14
• 2.1.2 模型建立與算法實現(xiàn)14-15
• 2.1.3 應(yīng)用程序及軟件實現(xiàn)15
• 2.2 安卓平臺數(shù)據(jù)獲取15-18
• 2.2.1 傳感器硬件及其工作原理15-16
• 2.2.2 安卓平臺加速度數(shù)據(jù)的獲取16-18
• 2.3 特征選擇和提取18-19
• 2.4 分類識別方法19-20
• 2.5 常用數(shù)據(jù)濾波方法20-22
• 2.6 本章小結(jié)22-23
• 第三章 基于穿戴設(shè)備的姿態(tài)特征分析23-37
• 3.1 人體邁步時受力分析23-26
• 3.1.1 受力分析24-25
• 3.1.2 加速度數(shù)據(jù)變化趨勢25-26
• 3.2 數(shù)據(jù)預(yù)處理26-27
• 3.2.1 時間窗口26-27
• 3.2.2 濾波處理27
• 3.3 運動姿態(tài)特征的選取27-34
• 3.3.1 邁步周期及其周期性分段29-30
• 3.3.2 邁步周期內(nèi)振幅偏轉(zhuǎn)30-32
• 3.3.3 抖動差值32-34
• 3.3.4 特征向量及訓(xùn)練集介紹34
• 3.4 靜止姿態(tài)判別34-36
• 3.4.1 邁步區(qū)間判別34-35
• 3.4.2 靜止姿態(tài)判別35-36
• 3.5 本章小結(jié)36-37
• 第四章 基于穿戴設(shè)備的姿態(tài)識別分析37-47
• 4.1 邁步姿態(tài)識別方法37-40
• 4.1.1 余弦測度37-38
• 4.1.2 Softmax回歸算法38-39
• 4.1.3 單體邁步姿態(tài)識別39-40
• 4.2 姿態(tài)轉(zhuǎn)換識別方法40-42
• 4.2.1 持續(xù)姿態(tài)判定40-41
• 4.2.2 不同姿態(tài)的轉(zhuǎn)換區(qū)間41-42
• 4.3 不同姿態(tài)的轉(zhuǎn)換分析42-44
• 4.3.1 走路-跑步姿態(tài)的轉(zhuǎn)換42-43
• 4.3.2 靜止-走路姿態(tài)的轉(zhuǎn)換43-44
• 4.4 基于姿態(tài)識別的跌倒識別分析44-46
• 4.4.1 跌倒特征分析44-45
• 4.4.2 跌倒識別45-46
• 4.5 本章小結(jié)46-47
• 第五章 模擬穿戴設(shè)備實驗分析47-59
• 5.1 功能模塊設(shè)計48-53
• 5.1.1 模塊總體設(shè)計48-49
• 5.1.2 數(shù)據(jù)采集模塊49-50
• 5.1.3 特征提取模塊50-51
• 5.1.4 姿態(tài)識別模塊51-53
• 5.2 實驗測試53-58
• 5.2.1 單體邁步姿態(tài)識別測試53-55
• 5.2.2 持續(xù)姿態(tài)識別測試55-57
• 5.2.3 跌倒的判斷測試57-58
• 5.3 本章小結(jié)58-59
• 第六章 總結(jié)與展望59-61
• 6.1 本文總結(jié)59-60
• 6.2 工作展望60-61
• 參考文獻(xiàn)61-64
• 附錄1 攻讀碩士學(xué)位期間申請的專利64-65
• 致謝65

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李麗;劉君義;李學(xué)斌;;一種新的大型四肢動物體姿態(tài)識別方法[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年05期

2 鄭莉莉;黃鮮萍;梁榮華;;基于支持向量機的人體姿態(tài)識別[J];浙江工業(yè)大學(xué)學(xué)報;2012年06期

3 魏振忠;趙征;張廣軍;;空間圓姿態(tài)識別二義性的角度約束消除[J];光學(xué)精密工程;2010年03期

4 殷海艷;劉波;;基于部位檢測的人體姿態(tài)識別[J];計算機工程與設(shè)計;2013年10期

5 陳U

本文編號：494463