人體動(dòng)作識(shí)別是模式識(shí)別領(lǐng)域的重要研究方向,近些年隨著微電子技術(shù)和可穿戴設(shè)備科技不斷發(fā)展,基于慣性傳感器的動(dòng)作識(shí)別以其便攜舒適、低成本并能夠保護(hù)用戶隱私等優(yōu)勢(shì)適用于人體復(fù)雜動(dòng)作的數(shù)據(jù)采集,并在醫(yī)療、娛樂(lè)、安全和軍事等領(lǐng)域具有重要作用。未來(lái)移動(dòng)通信技術(shù)進(jìn)入5G時(shí)代更加方便人們搭建微型傳感器網(wǎng)絡(luò)并應(yīng)用于我們的日常生活之中。本文以雙慣性傳感器為主、薄膜壓力傳感器輔進(jìn)行人體日常動(dòng)作識(shí)別,并針對(duì)人體站、蹲、臥、坐、走等日常動(dòng)作和動(dòng)作的基礎(chǔ)運(yùn)動(dòng)狀態(tài)進(jìn)行了分析研究。本文主要工作如下:1.根據(jù)實(shí)驗(yàn)室已有的人體動(dòng)作數(shù)據(jù)采集系統(tǒng)和通過(guò)該平臺(tái)采集數(shù)據(jù)并制作的數(shù)據(jù)庫(kù),用以數(shù)據(jù)分析和動(dòng)作分類。2.分析并定義人體日常動(dòng)作,抽象出人體近似多剛體運(yùn)動(dòng)學(xué)模型。對(duì)數(shù)據(jù)庫(kù)中原始數(shù)據(jù)進(jìn)行預(yù)處理和特征提取,預(yù)處理是對(duì)數(shù)據(jù)平滑濾波處理,消除數(shù)據(jù)中高頻信號(hào)對(duì)低頻動(dòng)作信號(hào)的影響。而特征提取是在統(tǒng)計(jì)特征和物理特征兩方面提取相關(guān)特征并對(duì)人體日常動(dòng)作進(jìn)行具體的描述。3.針對(duì)慣性傳感器無(wú)法直接劃分動(dòng)作的開始和結(jié)束的問(wèn)題,提出一種基于滑動(dòng)窗口的人體動(dòng)作動(dòng)態(tài)分割的數(shù)據(jù)處理方法,并將人體動(dòng)作劃分為三種基礎(chǔ)運(yùn)動(dòng)狀態(tài)。4.針對(duì)依據(jù)分割明確的數(shù)據(jù)片斷,采... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

諾亦騰的動(dòng)作捕獲系統(tǒng)穿戴圖

?畝?鰲６?甯雋街峒鈾俁燃頻氖?荽?硇枰??當(dāng)大的計(jì)算能力。Yang[25]等人使用七個(gè)分布式傳感器節(jié)點(diǎn)連接到人體上，構(gòu)建了一個(gè)無(wú)線人體傳感系統(tǒng)，該實(shí)驗(yàn)獲得較高的精度，但系統(tǒng)功耗過(guò)大并同時(shí)不方便于人體傳遞埃同時(shí)其他形式的傳感器可用于為運(yùn)動(dòng)數(shù)據(jù)提供補(bǔ)充信息和檢測(cè)各種活動(dòng)。如，Atallah[26]等人研究了一種與無(wú)線環(huán)境傳感器相結(jié)合的耳戴活動(dòng)識(shí)別裝置，用于識(shí)別日常生活中的常見(jiàn)活動(dòng)。多個(gè)環(huán)境傳感器安裝于環(huán)境中，如門傳感器、床傳感器等。他們認(rèn)為環(huán)境傳感器是感知輸入的其他通道，識(shí)別結(jié)果主要依賴于環(huán)境傳感器。圖1-2人體動(dòng)作識(shí)別的基本流程從上述文獻(xiàn)中我們發(fā)現(xiàn)，可穿戴式設(shè)備尤其在大量傳感器存在時(shí)，相對(duì)人體動(dòng)作會(huì)十分突兀并影響人體動(dòng)作，但是如果減少傳感器的數(shù)量就會(huì)減少運(yùn)動(dòng)數(shù)據(jù)的特征提取，進(jìn)而增加基本日�；顒�(dòng)的區(qū)分難度。如Aminian等人[27]使用了綁在胸部和大腿后方的兩個(gè)慣性傳感器，分別測(cè)量了胸部在垂直方向上的加速度和大腿在向前方向上的加速度。他們可以從傳感器的方向檢測(cè)坐、站、躺和動(dòng)態(tài)(步行)

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-10-動(dòng)作分析。通過(guò)抽象的骨頭和關(guān)節(jié)鉸接構(gòu)成人體多剛體模型后，人體不同的動(dòng)作可以通過(guò)人體多剛體模型中不同剛體之間組合的旋轉(zhuǎn)變化構(gòu)成。人體運(yùn)動(dòng)時(shí)，人體各個(gè)骨骼在關(guān)節(jié)點(diǎn)環(huán)繞旋轉(zhuǎn)，并受到關(guān)節(jié)點(diǎn)的限制，不能無(wú)限角度自由旋轉(zhuǎn)，因此抽象出的人體多剛體模型需要依據(jù)人體解剖學(xué)理論知識(shí)同樣針對(duì)各個(gè)關(guān)節(jié)點(diǎn)的旋轉(zhuǎn)自由度進(jìn)行約束限制，并通過(guò)分析不同剛體之間的運(yùn)動(dòng)狀態(tài)的聯(lián)系，真實(shí)還原人體運(yùn)動(dòng)過(guò)程。圖2-1簡(jiǎn)化的人體結(jié)構(gòu)模型及編號(hào)不同的研究問(wèn)題針對(duì)運(yùn)動(dòng)動(dòng)作的姿態(tài)和所需相關(guān)剛體的不同，需要抽象出針對(duì)具體研究問(wèn)題的骨骼模型，比如手勢(shì)動(dòng)作識(shí)別，需要通過(guò)對(duì)手部的相關(guān)組織結(jié)構(gòu)進(jìn)行抽象，構(gòu)建手部的多剛體模型以表示手部運(yùn)動(dòng)相關(guān)動(dòng)作。2.2.2人體運(yùn)動(dòng)學(xué)概述基于上述人體骨骼模型，將人體抽象為15個(gè)關(guān)節(jié)和14塊骨骼鉸接組成的多剛體模型。在通過(guò)分析剛體的運(yùn)動(dòng)數(shù)據(jù)并將不同剛體的運(yùn)動(dòng)分析進(jìn)行組合，進(jìn)而分析出人體的運(yùn)動(dòng)狀態(tài)，并明確人體運(yùn)動(dòng)的數(shù)學(xué)描述，如歐拉角、四元數(shù)和方向

【參考文獻(xiàn)】：
期刊論文
[1]計(jì)算機(jī)觸覺(jué):虛擬現(xiàn)實(shí)環(huán)境的力觸覺(jué)建模和生成[J]. 王黨校,焦健,張玉茹,趙曉含.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(06)
[2]頭盔顯示器發(fā)展綜述[J]. 高源,劉越,程德文,王涌天.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(06)
[3]體域網(wǎng)中基于特征組合的步態(tài)行為識(shí)別[J]. 王凱,孫詠梅,張泓,武楊,紀(jì)越峰.  中國(guó)科學(xué):信息科學(xué). 2013(10)
[4]基于Matlab的巴特沃斯數(shù)字低通濾波器的設(shè)計(jì)[J]. 張廷尉,陳紅,王磊.  鞍山師范學(xué)院學(xué)報(bào). 2012(02)
[5]基于無(wú)線慣性傳感器的人體動(dòng)作捕獲方法[J]. 李啟雷,金文光,耿衛(wèi)東.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2012(02)
[6]改進(jìn)的中值濾波算法在圖像去噪中的應(yīng)用[J]. 趙高長(zhǎng),張磊,武風(fēng)波.  應(yīng)用光學(xué). 2011(04)
[7]基于三軸加速度傳感器的手勢(shì)識(shí)別[J]. 劉蓉,劉明.  計(jì)算機(jī)工程. 2011(24)
[8]人體運(yùn)動(dòng)的生物力學(xué)建模與計(jì)算機(jī)仿真進(jìn)展[J]. 郝衛(wèi)亞.  醫(yī)用生物力學(xué). 2011(02)
[9]體域網(wǎng)BSN的研究進(jìn)展及面臨的挑戰(zhàn)[J]. 宮繼兵,王睿,崔莉.  計(jì)算機(jī)研究與發(fā)展. 2010(05)
[10]三維轉(zhuǎn)動(dòng)的四元數(shù)表述[J]. 劉俊峰.  大學(xué)物理. 2004(04)

博士論文
[1]BP神經(jīng)網(wǎng)絡(luò)分類器優(yōu)化技術(shù)研究[D]. 高鵬毅.華中科技大學(xué) 2012

碩士論文
[1]一種可穿戴式人體日常動(dòng)作識(shí)別系統(tǒng)設(shè)計(jì)及其應(yīng)用[D]. 張向陽(yáng).哈爾濱工業(yè)大學(xué) 2019
[2]基于動(dòng)態(tài)時(shí)間規(guī)整的可穿戴式人體動(dòng)作識(shí)別系統(tǒng)設(shè)計(jì)[D]. 劉盛羽.哈爾濱工業(yè)大學(xué) 2018
[3]人體動(dòng)作分類算法的研究[D]. 楊煜.哈爾濱工業(yè)大學(xué) 2017
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的煙草病害自動(dòng)識(shí)別研究[D]. 李敬.山東農(nóng)業(yè)大學(xué) 2016
[5]基于慣性傳感器的動(dòng)作捕捉系統(tǒng)研究與設(shè)計(jì)[D]. 汪俊.中國(guó)科學(xué)技術(shù)大學(xué) 2015



本文編號(hào)：3275504