發(fā)布時間：2021-07-07 18:17

　　隨著人們生活水平的提高,人們對運(yùn)動健身越來越重視,越來越多的人喜歡通過運(yùn)動來鍛煉身體,尤其是球拍類運(yùn)動（羽毛球,乒乓球,網(wǎng)球等）更是深受廣大人民的喜愛。同時,隨著智能手機(jī)和傳感器網(wǎng)絡(luò)的發(fā)展,可穿戴的智能體育運(yùn)動設(shè)備如運(yùn)動手環(huán),智能手表,智能運(yùn)動鞋也得到了迅速的發(fā)展。這些智能可穿戴設(shè)備大多會統(tǒng)計運(yùn)動者運(yùn)動過程中的相關(guān)數(shù)據(jù),通過這些統(tǒng)計數(shù)據(jù)可以很直觀的顯示出運(yùn)動者的運(yùn)動特征,此外還可以通過對這些統(tǒng)計數(shù)據(jù)的分析來指導(dǎo)運(yùn)動者的運(yùn)動,提高運(yùn)動者的競技水平,使運(yùn)動者對運(yùn)動更感興趣。然而,目前關(guān)于球拍類運(yùn)動揮拍動作識別方面的研究相對較少。因此本文以羽毛球運(yùn)動為例,使用單慣性傳感器來采集6類常見的羽毛球運(yùn)動揮拍動作數(shù)據(jù),研究出一種羽毛球揮拍動作的識別算法,并基于此研發(fā)出一款集羽毛球揮拍動作實時識別,運(yùn)動統(tǒng)計,運(yùn)動分析并具有分享功能的智能羽毛球訓(xùn)練系統(tǒng)軟件。主要研究內(nèi)容如下:（1）提出了一種基于單慣性傳感器的羽毛球運(yùn)動揮拍動作的識別方法。本文采用將單慣性傳感器固定在羽毛球拍底部的數(shù)據(jù)采集方法,提出一種基于滑動窗口和動作窗口相結(jié)合的實時運(yùn)動數(shù)據(jù)流的窗口分割方法,而后將截取的運(yùn)動數(shù)據(jù)進(jìn)行特征提取,并采用PC... 

【文章來源】： 張一天 大連理工大學(xué)

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外相關(guān)工作研究現(xiàn)狀
    1.3 運(yùn)動識別相關(guān)方法概述
        1.3.1 運(yùn)動識別過程
        1.3.2 窗口分割相關(guān)方法
        1.3.3 特征提取和選擇相關(guān)方法
        1.3.4 分類與識別算法介紹
    1.4 本論文內(nèi)容及組織形式
2 數(shù)據(jù)采集與窗口分割
    2.1 運(yùn)動動作數(shù)據(jù)采集
        2.1.1 采集系統(tǒng)硬件平臺
        2.1.2 采集系統(tǒng)軟件平臺
        2.1.3 動作數(shù)據(jù)的采集
    2.2 運(yùn)動數(shù)據(jù)窗口分割
        2.2.1 實驗數(shù)據(jù)的窗口分割
        2.2.2 實時數(shù)據(jù)流的窗口分割
    2.3 本章小結(jié)
3 基于決策樹和隨機(jī)森林的揮拍動作識別
    3.1 特征提取和特征選擇
        3.1.1 特征提取
        3.1.2 特征標(biāo)準(zhǔn)化
        3.1.3 特征選擇
    3.2 揮拍動作分類與識別
        3.2.1 基于決策樹的握拍方式識別
        3.2.2 基于隨機(jī)森林的揮拍動作識別
        3.2.3 隨機(jī)森林的參數(shù)選擇
    3.3 本章小結(jié)
4 算法驗證與結(jié)果分析
    4.1 實驗數(shù)據(jù)采集
    4.2 識別結(jié)果分析
        4.2.1 揮拍動作與非揮拍動作的分類
        4.2.2 握拍方式的識別結(jié)果
        4.2.3 揮拍動作的識別結(jié)果
    4.3 對比試驗
        4.3.1 兩種識別方式對比
        4.3.2 多種識別算法對比
    4.4 本章小結(jié)
5 智能羽毛球訓(xùn)練系統(tǒng)的設(shè)計與實現(xiàn)
    5.1 Android相關(guān)技術(shù)介紹
    5.2 軟件的需求分析
    5.3 軟件的設(shè)計與實現(xiàn)
        5.3.1 軟件的整體框架
        5.3.2 軟件架構(gòu)設(shè)計
        5.3.3 BLE數(shù)據(jù)采集模塊的設(shè)計
        5.3.4 注冊登錄與信息管理模塊的設(shè)計
        5.3.5 運(yùn)動訓(xùn)練模塊的設(shè)計
        5.3.6 運(yùn)動分析模塊的設(shè)計
        5.3.7 社交模塊的設(shè)計
    5.4 軟件測試
        5.4.1 軟件測試目的
        5.4.2 軟件測試方法
        5.4.3 軟件測試內(nèi)容及結(jié)果
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]一種基于K近鄰和多元回歸的傳感器缺失值預(yù)測算法[J]. 關(guān)偉,李先通.  公路交通科技. 2019(03)
[2]基于改進(jìn)KNN算法的手寫數(shù)字識別研究[J]. 胡君萍,傅科學(xué).  武漢理工大學(xué)學(xué)報(信息與管理工程版). 2019(01)
[3]基于結(jié)構(gòu)優(yōu)化的DDAG-SVM上肢康復(fù)訓(xùn)練動作識別方法[J]. 左國玉,徐兆坤,盧佳豪,龔道雄.  自動化學(xué)報. 2020(03)
[4]體育視頻中羽毛球運(yùn)動員的動作識別[J]. 楊靜.  自動化技術(shù)與應(yīng)用. 2018(10)
[5]基于WEKA平臺的決策樹算法比較研究[J]. 楊小軍,錢魯鋒,別致.  艦船電子工程. 2018(10)
[6]支持向量機(jī)的基本理論和研究進(jìn)展[J]. 林香亮,袁瑞,孫玉秋,王超,陳長勝.  長江大學(xué)學(xué)報(自科版). 2018(17)
[7]基于大數(shù)據(jù)統(tǒng)計分析的全國PM2.5污染特征研究[J]. 任鵬舉,江帥,王磊.  計算機(jī)與網(wǎng)絡(luò). 2018(14)
[8]決策樹約束的建筑點(diǎn)云提取方法[J]. 雷釗,習(xí)曉環(huán),王成,王濮,王永星,尹國清.  激光與光電子學(xué)進(jìn)展. 2018(08)
[9]基于MFCC和神經(jīng)網(wǎng)絡(luò)的西瓜音頻熟度識別[J]. 錢玲龍,俞東芝,楊義靜.  電子制作. 2018(09)
[10]基于加速度和角速度的羽毛球動作識別研究[J]. 吳可涵,吳端坡,陳婷,陳柏平,范劍琪.  電子技術(shù)與軟件工程. 2018(08)

博士論文
[1]基于慣性傳感器數(shù)據(jù)的人體日常動作識別研究[D]. 武東輝.大連理工大學(xué) 2016

碩士論文
[1]基于慣性傳感器的動作識別研究[D]. 司玉仕.南京郵電大學(xué) 2018
[2]基于Android的演講者跟蹤系統(tǒng)的設(shè)計與實現(xiàn)[D]. 陸欣欣.廣西師范大學(xué) 2018
[3]基于機(jī)器學(xué)習(xí)的羽毛球技術(shù)特征統(tǒng)計與步伐訓(xùn)練的研究與實現(xiàn)[D]. 雷玉超.華中師范大學(xué) 2018
[4]低分辨率條件下的人臉識別算法研究[D]. 張一凡.電子科技大學(xué) 2018
[5]基于特征優(yōu)化的邏輯回歸模型在廣告點(diǎn)擊率問題中的應(yīng)用研究[D]. 錢超.華中師范大學(xué) 2018
[6]運(yùn)動估計算法的改進(jìn)及電子穩(wěn)像技術(shù)應(yīng)用[D]. 李寶同.北京工業(yè)大學(xué) 2016
[7]手機(jī)化智能家居技術(shù)研究[D]. 潘登.華中科技大學(xué) 2016
[8]基于傳感器和貝葉斯的室內(nèi)目標(biāo)定位機(jī)制[D]. 胡濤.北京林業(yè)大學(xué) 2016
[9]中文對話行為識別的機(jī)器學(xué)習(xí)算法研究[D]. 王緒霄.天津大學(xué) 2015
[10]基于體域網(wǎng)的運(yùn)動行為識別算法的研究[D]. 趙聰.大連理工大學(xué) 2014



本文編號：3270124