人體運(yùn)動信息識別技術(shù)有著普遍的應(yīng)用前景,在人體行為監(jiān)控、醫(yī)療監(jiān)護(hù)、醫(yī)療康復(fù)、交互式游戲、虛擬運(yùn)動場景、電影特效和交互式學(xué)習(xí)等領(lǐng)域有著潛在的應(yīng)用價(jià)值。本文設(shè)計(jì)了一套將信息采集與識別集合在移動端的識別系統(tǒng),做到了通過對智能手環(huán)加速度傳感器的數(shù)據(jù)分析實(shí)時(shí)識別人體動作。本文基于日常佩戴的智能手環(huán),利用智能手機(jī)的內(nèi)置三軸加速計(jì)數(shù)據(jù),采用支持向量機(jī)和卷積神經(jīng)網(wǎng)絡(luò)兩種算法對腕部運(yùn)動姿態(tài)進(jìn)行分析,經(jīng)過對比得出卷積神經(jīng)網(wǎng)絡(luò)有著更好的識別效果。使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人體姿態(tài)識別并在移動設(shè)備上實(shí)現(xiàn)該方法是本文的創(chuàng)新點(diǎn)。針對上述內(nèi)容,本文主要工作如下:1.設(shè)計(jì)了基于智能手環(huán)的人體信息采集系統(tǒng),并編寫了相關(guān)程序軟件。2.使用機(jī)器學(xué)習(xí)中的支持向量機(jī)構(gòu)建識別算法。此算法可以得到較高的識別準(zhǔn)確率,表明該方法可行有效。3.設(shè)計(jì)了使用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建識別算法。本文對卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行了比較分析,得到最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)模型。然后將該網(wǎng)絡(luò)模型移植到移動端并成功實(shí)現(xiàn)運(yùn)行�？傮w來說,基于智能手環(huán)的人體運(yùn)動信息采集與分類技術(shù)還處于發(fā)展階段,該課題研究內(nèi)容有著實(shí)際的應(yīng)用需求和理論研究價(jià)值,有著深入研究的意義和價(jià)值。 

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 人體姿態(tài)識別研究現(xiàn)狀
    1.3 基于加速度傳感器的人體姿態(tài)識別研究現(xiàn)狀
    1.4 相關(guān)技術(shù)理論基礎(chǔ)
        1.4.1 智能手環(huán)傳感器技術(shù)
        1.4.2 加速度傳感器類型
        1.4.3 基于智能手環(huán)傳感器技術(shù)的發(fā)展前景
        1.4.4 機(jī)器學(xué)習(xí)技術(shù)
        1.4.5 深度學(xué)習(xí)技術(shù)
    1.5 課題的研究內(nèi)容及章節(jié)安排
第2章 基于加速度傳感器的數(shù)據(jù)采集與預(yù)處理系統(tǒng)
    2.1 藍(lán)牙無線傳輸與安卓手機(jī)數(shù)據(jù)處理
        2.1.1 藍(lán)牙技術(shù)
        2.1.2 安卓系統(tǒng)
        2.1.3 移動端數(shù)據(jù)采集與數(shù)據(jù)分析
    2.2 數(shù)據(jù)采集與預(yù)處理
        2.2.1 數(shù)據(jù)采集
        2.2.2 信號預(yù)處理
    2.3 本章小結(jié)
第3章 基于支持向量機(jī)的人體姿態(tài)識別方法
    3.1 支持向量機(jī)
    3.2 特征提取
        3.2.1 時(shí)域特征
        3.2.2 頻域特征
        3.2.3 特征圖
    3.3 特征選擇
    3.4 實(shí)驗(yàn)及結(jié)果分析
        3.4.1 RBF核下的SVM分類測試
        3.4.2 線性核下的SVM分類測試
        3.4.3 兩種SVM分類算法對比
    3.5 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)識別方法
    4.1 卷積神經(jīng)網(wǎng)絡(luò)原理
        4.1.1 卷積層
        4.1.2 池化層
        4.1.3 全連接層及輸出層
    4.2 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程
        4.2.1 誤差反向傳播
        4.2.2 權(quán)值更新
    4.3 卷積神經(jīng)網(wǎng)絡(luò)在基于加速度傳感器的姿態(tài)識別方面的優(yōu)勢
    4.4 數(shù)據(jù)信號處理
    4.5 實(shí)驗(yàn)及結(jié)果分析
        4.5.1 網(wǎng)絡(luò)結(jié)構(gòu)對識別效果的影響
        4.5.2 學(xué)習(xí)率對識別效果的影響
        4.5.3 訓(xùn)練次數(shù)對識別效果的影響
        4.5.4 網(wǎng)絡(luò)參數(shù)設(shè)置及性能分析
        4.5.5 卷積神經(jīng)網(wǎng)絡(luò)過擬合驗(yàn)證
        4.5.6 基于安卓系統(tǒng)的人體姿態(tài)采集與識別系統(tǒng)
        4.5.7 多種人體姿態(tài)識別方法對比分析
    4.6 本章小節(jié)
第5章 總結(jié)與展望
    5.1 論文主要研究工作總結(jié)
    5.2 后續(xù)工作及研究展望
參考文獻(xiàn)
附錄
    附錄A 支持向量機(jī)主要程序代碼
    附錄B 卷積神經(jīng)網(wǎng)絡(luò)主要程序代碼
        B.1 python語言下卷積神經(jīng)網(wǎng)絡(luò)主要程序代碼
        B.2 安卓端卷積神經(jīng)網(wǎng)絡(luò)主要程序代碼
在讀期間發(fā)表的學(xué)術(shù)論文及研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機(jī)的特征提取方法研究與應(yīng)用[J]. 蔣琳,彭黎.  計(jì)算機(jī)工程與應(yīng)用. 2007(20)
[2]基于電磁跟蹤系統(tǒng)的人體上肢運(yùn)動測量[J]. 姜明濤,張建國.  天津科技大學(xué)學(xué)報(bào). 2005(01)
[3]3軸加速度傳感器將在消費(fèi)電子產(chǎn)品中普及[J]. 山田剛良,南庭.  電子設(shè)計(jì)應(yīng)用. 2007(01)
[4]對主成分分析法三個問題的剖析[J]. 許淑娜,李長坡.  數(shù)學(xué)理論與應(yīng)用. 2011(04)
[5]Android系統(tǒng)架構(gòu)及應(yīng)用程序開發(fā)研究[J]. 曾健平,邵艷潔.  微計(jì)算機(jī)信息. 2011(09)
[6]基于多標(biāo)簽ReliefF的特征選擇算法[J]. 黃莉莉,湯進(jìn),孫登第,羅斌.  計(jì)算機(jī)應(yīng)用. 2012(10)
[7]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[8]iOS系統(tǒng)數(shù)據(jù)安全研究[J]. 陳佳霖,王軼駿,薛質(zhì).  信息安全與通信保密. 2012(08)
[9]基于WSN穿戴式系統(tǒng)的研究現(xiàn)狀與展望[J]. 王子洪.  中國醫(yī)療設(shè)備. 2012(02)
[10]基于三軸加速度傳感器的人機(jī)交互智能手環(huán)[J]. 李易陸,陳洪波,蔣曉旭,李騰生,馮思浩.  桂林電子科技大學(xué)學(xué)報(bào). 2015(05)

博士論文
[1]三維人體運(yùn)動分析與動作識別方法[D]. 蔡美玲.中南大學(xué) 2013

碩士論文
[1]基于MEMS傳感器的手勢識別算法研究[D]. 仇立杰.北京化工大學(xué) 2016
[2]基于光學(xué)和慣性跟蹤數(shù)據(jù)融合的上肢運(yùn)動測量技術(shù)及應(yīng)用研究[D]. 張姹.浙江大學(xué) 2014
[3]基于三軸加速度傳感器的人體行為識別研究[D]. 王洪斌.江南大學(xué) 2014
[4]基于深度圖像的人體姿態(tài)識別[D]. 殷海艷.北京工業(yè)大學(xué) 2013
[5]基于慣性傳感器的人體動作分析與識別[D]. 侯祖貴.哈爾濱工程大學(xué) 2013
[6]卷積神經(jīng)網(wǎng)絡(luò)在圖像識別上的應(yīng)用的研究[D]. 許可.浙江大學(xué) 2012
[7]基于MEMS傳感器的動作捕捉系統(tǒng)開發(fā)設(shè)計(jì)[D]. 劉博.北京理工大學(xué) 2011
[8]BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)研究及應(yīng)用[D]. 劉天舒.東北農(nóng)業(yè)大學(xué) 2011
[9]基于Android平臺藍(lán)牙設(shè)備音頻應(yīng)用的設(shè)計(jì)與實(shí)現(xiàn)[D]. 王巍.北京郵電大學(xué) 2009
[10]基于電磁跟蹤系統(tǒng)的人體上肢運(yùn)動信息的檢測[D]. 汪莉.天津科技大學(xué) 2006



本文編號：3697306