近年來,行人行為跟蹤技術(shù)成為模式識別和人工智能領(lǐng)域的研究熱點(diǎn)。與視覺式、電磁式、機(jī)械式、聲學(xué)式跟蹤系統(tǒng)相比,慣性式系統(tǒng)因其成本低、體積小、避免了繁瑣的輔助儀器和嚴(yán)苛的環(huán)境要求而受到廣泛的關(guān)注。由于人體運(yùn)動的復(fù)雜性以及慣性傳感單元易受噪聲干擾,且存在漂移誤差等問題,使得在無外界參考點(diǎn)的情況下,實(shí)現(xiàn)復(fù)雜運(yùn)動模式下行為跟蹤成為研究的難點(diǎn)。本文設(shè)計了一種多運(yùn)動模式下根節(jié)點(diǎn)位移算法,實(shí)現(xiàn)行人行為姿態(tài)跟蹤。首先,本文在介紹行人行為跟蹤基本原理、系統(tǒng)組成及各模塊功能的基礎(chǔ)上,建立人體運(yùn)動的剛體鉸鏈模型,并針對傳感器件噪聲大,動態(tài)性能差,精度不高等問題,提出了一種基于擬牛頓的自適應(yīng)模糊邏輯互補(bǔ)濾波算法,以解算運(yùn)動時關(guān)節(jié)的姿態(tài)信息。為驗(yàn)證算法的可靠性,分別設(shè)計了靜態(tài)實(shí)驗(yàn)與動態(tài)實(shí)驗(yàn)。結(jié)果表明,在靜止情況下,系統(tǒng)的均方根誤差小于0.04^°;在動態(tài)情況下,系統(tǒng)的均方根誤差小于1.3^°。其次,選取日常生活中常見的走、跑、跳三種行為模式為研究對象,提取對應(yīng)的加速度時域特征值實(shí)現(xiàn)行為識別。根據(jù)跑步時足部加速度的變化,提出一種可以區(qū)分飛躍期與支撐期以及支撐期的支撐腿算法,結(jié)... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容和組織結(jié)構(gòu)
        1.3.1 研究內(nèi)容
        1.3.2 論文組織結(jié)構(gòu)
第2章 慣性式行為跟蹤基本原理
    2.1 常用坐標(biāo)系介紹
    2.2 姿態(tài)角定義
    2.3 坐標(biāo)變換
    2.4 各姿態(tài)描述方法間的轉(zhuǎn)換關(guān)系
    2.5 本章小結(jié)
第3章 人體運(yùn)動姿態(tài)建模與描述
    3.1 系統(tǒng)介紹
    3.2 傳感器節(jié)點(diǎn)的部署位置分析
    3.3 常用姿態(tài)融合算法
        3.3.1 傳統(tǒng)卡爾曼濾波算法
        3.3.2 容積卡爾曼濾波(CKF)算法
        3.3.3 互補(bǔ)濾波器
        3.3.4 基于互補(bǔ)濾波器的四元數(shù)姿態(tài)融合算法
    3.4 基于L-BFGS的自適應(yīng)模糊邏輯互補(bǔ)濾波算法及驗(yàn)證
        3.4.1 AFCF算法
        3.4.2 實(shí)驗(yàn)驗(yàn)證
    3.5 本章小結(jié)
第4章 基于多運(yùn)動模式的根節(jié)點(diǎn)位移估計
    4.1 人體腿部坐標(biāo)系定義
    4.2 常見人體運(yùn)動模式分析、識別與驗(yàn)證
        4.2.1 人體運(yùn)動模式識別
        4.2.2 實(shí)驗(yàn)驗(yàn)證
    4.3 步態(tài)及支撐腿檢測算法
        4.3.1 走跑跳步態(tài)
        4.3.2 支撐腿檢測算法
        4.3.3 根節(jié)點(diǎn)位移估計算法
    4.4 CKF位移補(bǔ)償算法
        4.4.1 預(yù)測模型
        4.4.2 觀測模型
    4.5 本章小結(jié)
第5章 行人行為跟蹤系統(tǒng)實(shí)驗(yàn)驗(yàn)證
    5.1 實(shí)驗(yàn)平臺
    5.2 人體運(yùn)動學(xué)模型效果驗(yàn)證
        5.2.1 步行實(shí)驗(yàn)
        5.2.2 跳躍實(shí)驗(yàn)
        5.2.3 跑步實(shí)驗(yàn)
        5.2.4 混合實(shí)驗(yàn)
    5.3 整體功能實(shí)現(xiàn)
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于Matlab圖形用戶界面的剛體旋轉(zhuǎn)計算器[J]. 張少雷,華鐵丹.  計算機(jī)應(yīng)用. 2016(S2)
[2]移動機(jī)器人輔助下基于GM-CKF的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位研究[J]. 陳曉飛,凌有鑄,陳孟元.  電子測量與儀器學(xué)報. 2016(09)
[3]基于人體動作姿態(tài)識別的機(jī)器人仿人運(yùn)動[J]. 王梅,盧熙昌,屠大維,于遠(yuǎn)芳,周華.  機(jī)械工程學(xué)報. 2016(21)
[4]基于加速度時域特征的實(shí)時人體行為模式識別[J]. 劉宇,江宏毅,王仕亮,王伊冰,陳燕蘋.  上海交通大學(xué)學(xué)報. 2015(02)
[5]動作捕捉:走近虛擬現(xiàn)實(shí)[J]. 戴若犁.  程序員. 2014 (07)
[6]人體關(guān)節(jié)運(yùn)動跟蹤[J]. 鄧學(xué)雄,張思亮,楊志成,李夢.  東華大學(xué)學(xué)報(自然科學(xué)版). 2013(04)
[7]機(jī)械式運(yùn)動捕捉系統(tǒng)應(yīng)用中的若干問題研究[J]. 相瑞排,石廣田,李帥.  蘭州交通大學(xué)學(xué)報. 2013(04)
[8]基于加速度的小波能量特征及樣本熵組合的步態(tài)分類算法[J]. 邢秀玉,劉鴻宇,黃武.  傳感技術(shù)學(xué)報. 2013(04)
[9]基于無線慣性傳感器的人體動作捕獲方法[J]. 李啟雷,金文光,耿衛(wèi)東.  浙江大學(xué)學(xué)報(工學(xué)版). 2012(02)
[10]Fast and Simple Motion Tracking Unit with Motion Estimation[J]. Hyeon-cheol YANG,Yoon-sup KIM,Seong-soo LEE,Sang-keun OH,Sung-hwa KIM,Doo-won CHOI.  Journal of Measurement Science and Instrumentation. 2010(03)

博士論文
[1]無標(biāo)記人體運(yùn)動捕捉及姿態(tài)估計的研究[D]. 萬成凱.北京交通大學(xué) 2009

碩士論文
[1]增強(qiáng)現(xiàn)實(shí)中基于視覺和慣性傳感器的混合跟蹤研究[D]. 孟飛.電子科技大學(xué) 2008



本文編號：3196378