啞鈴鍛煉是一種普遍性的肌肉鍛煉方式。在無專業(yè)教練指導(dǎo)下,個體自我鍛煉易產(chǎn)生鍛煉動作不規(guī)范、鍛煉的運動處方不合理等問題。本文設(shè)計一套啞鈴健康鍛煉系統(tǒng),進行鍛煉者動作運動過程參數(shù)采集,動作類型識別和動作規(guī)范判斷研究,為科學(xué)鍛煉以及個性化啞鈴鍛煉的運動處方調(diào)整提供依據(jù)。本系統(tǒng)是基于物聯(lián)網(wǎng)技術(shù)搭建的鍛煉系統(tǒng),該系統(tǒng)主要由運動采集端、服務(wù)端和客戶端三部分組成。運動采集端中的JY901模塊負責采集運動數(shù)據(jù),ESP8266模塊負責將數(shù)據(jù)用WiFi無線傳輸至客戶端�？蛻舳藶榛诎沧块_發(fā)的App,主要功能為實時顯示運動軌跡、實時指導(dǎo)動作、動作識別和個數(shù)統(tǒng)計等。服務(wù)端主要用于保存鍛煉者的歷史鍛煉記錄,對其分析并對運動處方進行動態(tài)調(diào)整,將調(diào)整后的運動處方數(shù)據(jù)通過JSON格式傳輸至客戶端。為了實現(xiàn)啞鈴動作的識別,對采集到的數(shù)據(jù)進行數(shù)據(jù)平滑,動作起始點判定等處理。提取三軸加速度,角速度,角度在時域和頻域上的特征,對特征進行分析篩選,在傳統(tǒng)的SVM算法上,融合了決策樹算法,構(gòu)建出一種融合決策樹的多層SVM算法,對8種啞鈴動作進行識別,綜合識別率達到96.3%。啞鈴的健康鍛煉指導(dǎo)方案主要分為啞鈴動作規(guī)范的指導(dǎo)和啞鈴... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

智能健身系統(tǒng)的整體結(jié)構(gòu)

圖 2.5 運動采集模塊安裝位置 圖 2.6 運動采集模塊2.2.1 微處理器模塊微處理模塊是作為該系統(tǒng)的核心，本系統(tǒng)采用了樂鑫公司開發(fā)的 ESP8266。其提供了一套高度集成的 Wi-FiSoC 解決方案，其低功耗、緊湊設(shè)計和高穩(wěn)定性很好的滿足該系統(tǒng)的需求。ESP8266 內(nèi)置了超低功耗 TensilicaL10632 位 RISC 處理器，CPU 時鐘速度最高可達 160MHz，支持實時操作系統(tǒng)（RTOS）和 WiFi 協(xié)議棧，可將高達 80%的處理能力留給應(yīng)用編程和開發(fā)。其集成度高，集成了標準數(shù)字外設(shè)接口、天線開關(guān)、射頻、功率放大器、低噪放大器、過濾器和電源管理模塊等，使得其體積大大減小。同時，ESP8266 具有低功耗的特點，專為移動設(shè)備、可穿戴電子產(chǎn)品和物聯(lián)網(wǎng)應(yīng)用而設(shè)計，同時具備有超低功耗。ESP8266的功能原理如圖2.7所示。

圖 2.5 運動采集模塊安裝位置 圖 2.6 運動采集模塊2.2.1 微處理器模塊微處理模塊是作為該系統(tǒng)的核心，本系統(tǒng)采用了樂鑫公司開發(fā)的 ESP8266。其提供了一套高度集成的 Wi-FiSoC 解決方案，其低功耗、緊湊設(shè)計和高穩(wěn)定性很好的滿足該系統(tǒng)的需求。ESP8266 內(nèi)置了超低功耗 TensilicaL10632 位 RISC 處理器，CPU 時鐘速度最高可達 160MHz，支持實時操作系統(tǒng)（RTOS）和 WiFi 協(xié)議棧，可將高達 80%的處理能力留給應(yīng)用編程和開發(fā)。其集成度高，集成了標準數(shù)字外設(shè)接口、天線開關(guān)、射頻、功率放大器、低噪放大器、過濾器和電源管理模塊等，使得其體積大大減小。同時，ESP8266 具有低功耗的特點，專為移動設(shè)備、可穿戴電子產(chǎn)品和物聯(lián)網(wǎng)應(yīng)用而設(shè)計，同時具備有超低功耗。ESP8266的功能原理如圖2.7所示。

【參考文獻】：
期刊論文
[1]大學(xué)生健身增肌人群的運動處方[J]. 高歡.  中國體育教練員. 2018(02)
[2]基于肌肉骨骼負荷的上肢姿勢不舒適度評價方法[J]. 張麗珍,邵祺,楊加慶,趙嘉敏,宋政,戴鵬.  工業(yè)工程與管理. 2017(05)
[3]基于加速度傳感器的上肢運動信息采集與姿態(tài)識別[J]. 張俊杰,孫光民,李煜,張翼,李俊,閆正祥,馬北川,劉天倫.  北京工業(yè)大學(xué)學(xué)報. 2017(07)
[4]具有運動管理功能的智能穿戴設(shè)備設(shè)計與實現(xiàn)[J]. 李珍華.  微處理機. 2017(02)
[5]基于支持向量機優(yōu)化的人體動作識別方法[J]. 劉一松,韓建飛.  信息技術(shù). 2017(04)
[6]基于MEMS六軸傳感器的上肢運動識別系統(tǒng)[J]. 胡成全,王凱,何麗莉,魏楓林,姜宇.  大連理工大學(xué)學(xué)報. 2017(01)
[7]帶有關(guān)節(jié)權(quán)重的DTW動作識別算法研究[J]. 汪成峰,陳洪,張瑞萱,朱德海,王慶,梅樹立.  圖學(xué)學(xué)報. 2016(04)
[8]基于九軸傳感器的老年人跌倒檢測系統(tǒng)設(shè)計[J]. 梁高生.  電子世界. 2016(15)
[9]基于Kinect的人體動作識別方法[J]. 辛義忠,邢志飛.  計算機工程與設(shè)計. 2016(04)
[10]基于加速度傳感器的連續(xù)動態(tài)手勢識別[J]. 陳鵬展,羅漫,李杰.  傳感器與微系統(tǒng). 2016(01)

博士論文
[1]基于表面肌電和加速度信號融合的動作識別和人體行為分析研究[D]. 成娟.中國科學(xué)技術(shù)大學(xué) 2013
[2]皮劃艇運動生物力學(xué)信息獲取與評價指標體系研究[D]. 馬祖長.中國科學(xué)技術(shù)大學(xué) 2007

碩士論文
[1]基于慣性傳感器的體感動作識別和分析[D]. 陳宇清.華南理工大學(xué) 2018
[2]基于Android和ARM的智能健身系統(tǒng)的設(shè)計與實現(xiàn)[D]. 俞振東.南昌大學(xué) 2017
[3]基于Kinect的動作評價方法研究[D]. 姜延豐.沈陽工業(yè)大學(xué) 2017
[4]基于傳感器數(shù)據(jù)的手臂動作識別與應(yīng)用研究[D]. 張鑫.哈爾濱工業(yè)大學(xué) 2016
[5]基于加速度信號的人體前臂動作識別技術(shù)研究[D]. 于希永.哈爾濱工程大學(xué) 2016
[6]基于Android的在線教育平臺的設(shè)計與實現(xiàn)[D]. 趙寧.湖南大學(xué) 2016
[7]基于加速度傳感器的人體動作識別方法研究[D]. 韓建飛.江蘇大學(xué) 2016
[8]基于主成分的中學(xué)生成績分析方法的研究[D]. 陸炳方.華南理工大學(xué) 2015
[9]智能化健身器械的研究與應(yīng)用設(shè)計[D]. 劉洋.中國科學(xué)技術(shù)大學(xué) 2015
[10]基于Wi-Fi的智能家居中控器的設(shè)計和實現(xiàn)[D]. 嚴立.電子科技大學(xué) 2015



本文編號：3281898