近些年,隨著體育可穿戴智能設(shè)備的流行,人體運(yùn)動(dòng)的數(shù)據(jù)的獲取變得不再困難,并催生出一系列跑步健身軟件,引領(lǐng)了全民的跑步浪潮,對(duì)體育行業(yè)的快速發(fā)展起到了較大的推進(jìn)作用。但大量的運(yùn)動(dòng)數(shù)據(jù)并未得到深度的挖掘,對(duì)其價(jià)值造成了巨大的浪費(fèi)。為了使體育智能設(shè)備搜集到的數(shù)據(jù)能夠更好地服務(wù)于體育愛好者,從而更有效地提高體育行業(yè)的信息化程度,本文選擇人體運(yùn)動(dòng)識(shí)別信息處理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)作為主要研究的內(nèi)容。通過梳理以往有關(guān)體育可穿戴智能的人體運(yùn)動(dòng)識(shí)別信息處理系統(tǒng)相關(guān)研究成果,本文提出了三層人體運(yùn)動(dòng)識(shí)別信息處理系統(tǒng)的體系結(jié)構(gòu),包括數(shù)據(jù)采集層、數(shù)據(jù)計(jì)算層和數(shù)據(jù)應(yīng)用層。在數(shù)據(jù)計(jì)算層中,區(qū)別于傳統(tǒng)的分類算法,本文提出了一種基于LSTM(Long Short-Term Memory)循環(huán)神經(jīng)網(wǎng)絡(luò)算法的分類器。作為深度學(xué)習(xí)算法的一種,LSTM具有善于擅長處理前后間隔較長且相互關(guān)聯(lián)的數(shù)據(jù)和自動(dòng)學(xué)習(xí)數(shù)據(jù)中特征的特點(diǎn),解決了傳統(tǒng)識(shí)別方法中存在的需要手工從數(shù)據(jù)中提取運(yùn)動(dòng)特征的缺陷,可以使得整個(gè)系統(tǒng)的結(jié)構(gòu)得以精簡且識(shí)別效率變得更高。本文的研究主要解決了以下問題:(1)在現(xiàn)有人體運(yùn)動(dòng)識(shí)別信息處理系統(tǒng)研究的基礎(chǔ)上,提出了一種包含數(shù)據(jù)采...

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1識(shí)別流程

圖1-1識(shí)別流程綜上所述，可以認(rèn)為人體運(yùn)動(dòng)識(shí)別本質(zhì)是利用傳感器等設(shè)備采集來的人體運(yùn)動(dòng)數(shù)據(jù)進(jìn)行相關(guān)處理，使用利用數(shù)據(jù)挖掘等技術(shù)手段對(duì)運(yùn)動(dòng)者所進(jìn)行的運(yùn)動(dòng)進(jìn)行分類。

圖1-2人體運(yùn)動(dòng)識(shí)別影響因素

圖1-2人體運(yùn)動(dòng)識(shí)別影響因素國外研究者在進(jìn)行研究時(shí)非常注重整個(gè)識(shí)別過程的能耗，往往選擇設(shè)計(jì)在通傳感器端進(jìn)行數(shù)據(jù)的處理與識(shí)別。Choi（2016）等設(shè)計(jì)了一個(gè)高效節(jié)能的識(shí)統(tǒng)，專注于通過在傳感器平臺(tái)上操縱實(shí)時(shí)加速度數(shù)據(jù)來最小化用于無線數(shù)據(jù)

圖1-3主要研究內(nèi)容

圖1-3主要研究內(nèi)容1.4.2研究思路為了有效挖掘體育可穿戴設(shè)備收集的人體運(yùn)動(dòng)數(shù)據(jù)的價(jià)值，本文針對(duì)人體運(yùn)動(dòng)識(shí)別信息處理系統(tǒng)展開研究，并探索基于LSTM循環(huán)神經(jīng)網(wǎng)路算法的人體運(yùn)動(dòng)識(shí)別信息處理系統(tǒng)。首先，對(duì)國內(nèi)外有關(guān)LSTM循環(huán)神經(jīng)網(wǎng)路算法和人體運(yùn)動(dòng)識(shí)

圖2-1系統(tǒng)體系架構(gòu)

12圖2-1系統(tǒng)體系架構(gòu)2.1.1數(shù)據(jù)采集層

本文編號(hào)：3928152