當(dāng)前時(shí)代是人工智能高速發(fā)展的時(shí)代,人機(jī)交互技術(shù)也隨著人工智能技術(shù)的發(fā)展,已經(jīng)進(jìn)入白熱化階段,而動(dòng)作捕捉技術(shù)作為人與計(jì)算機(jī)自然的、多模態(tài)的交互技術(shù)的一個(gè)重要分支,在近幾年發(fā)展迅速。本文結(jié)合慣性傳感器,設(shè)計(jì)并實(shí)現(xiàn)了一種基于骨骼點(diǎn)姿態(tài)信息對(duì)人體運(yùn)動(dòng)進(jìn)行識(shí)別的系統(tǒng)。該系統(tǒng)通過(guò)采集位于人體主要骨骼點(diǎn)的傳感器數(shù)據(jù),通過(guò)多藍(lán)牙配對(duì)傳輸?shù)姆绞絺鬏數(shù)缴衔粰C(jī),利用支持向量機(jī)對(duì)人體運(yùn)動(dòng)進(jìn)行分類(lèi),實(shí)現(xiàn)對(duì)一般人體運(yùn)動(dòng)的識(shí)別。該系統(tǒng)輕巧便捷,使用方便,對(duì)環(huán)境適應(yīng)性強(qiáng),且成本較低。在本文中,首先調(diào)研了國(guó)內(nèi)外研究學(xué)者對(duì)人體運(yùn)動(dòng)分析與識(shí)別技術(shù)的相關(guān)工作,然后,介紹本系統(tǒng)在設(shè)計(jì)過(guò)程中涉及到的相關(guān)知識(shí)和基礎(chǔ)理論,并由此設(shè)計(jì)實(shí)現(xiàn)了一種基于人體骨骼點(diǎn)姿態(tài)信息的運(yùn)動(dòng)識(shí)別系統(tǒng),針對(duì)不同功能模塊的設(shè)計(jì)需求和特點(diǎn)進(jìn)行了詳細(xì)的研究。首先,針對(duì)本系統(tǒng)多節(jié)點(diǎn)、實(shí)時(shí)性、動(dòng)態(tài)性、識(shí)別方便的特點(diǎn),根據(jù)姿態(tài)傳感器解算理論、校準(zhǔn)技術(shù)、傳感器組網(wǎng)技術(shù)等,確定了以MPU6050和藍(lán)牙無(wú)線傳輸為主體的硬件實(shí)驗(yàn)平臺(tái)。其次,根據(jù)人體運(yùn)動(dòng)姿態(tài)特點(diǎn),在低成本的前提下,結(jié)合實(shí)驗(yàn)環(huán)境,設(shè)計(jì)了合理的數(shù)據(jù)采集方案,并使用該方案采集人體運(yùn)動(dòng)姿態(tài)信息,構(gòu)建人體骨骼點(diǎn)姿態(tài)信息的運(yùn)...

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 系統(tǒng)設(shè)計(jì)背景
    1.2 人體運(yùn)動(dòng)采集技術(shù)國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究目的及內(nèi)容
    1.4 本論文的結(jié)構(gòu)安排
2 系統(tǒng)基礎(chǔ)理論研究與方案設(shè)計(jì)
    2.1 系統(tǒng)基礎(chǔ)理論研究
        2.1.1 人體運(yùn)動(dòng)建模分析
        2.1.2 歐拉角和方向余弦矩陣
        2.1.3 四元數(shù)理論
        2.1.4 卡爾曼濾波理論
        2.1.5 互補(bǔ)濾波算法
        2.1.6 傳感器組網(wǎng)方式的介紹
    2.2 系統(tǒng)方案設(shè)計(jì)
        2.2.1 骨骼點(diǎn)姿態(tài)數(shù)據(jù)采集節(jié)點(diǎn)
        2.2.2 數(shù)據(jù)濾波和姿態(tài)角解算模塊
        2.2.3 通信模塊
        2.2.4 人體運(yùn)動(dòng)數(shù)據(jù)集
        2.2.5 人體運(yùn)動(dòng)信息采集模塊
        2.2.6 人體運(yùn)動(dòng)識(shí)別模塊
    2.3 本章小結(jié)
3 數(shù)據(jù)采集子系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    3.1 數(shù)據(jù)采集基本方案
        3.1.1 數(shù)據(jù)采集節(jié)點(diǎn)位置
        3.1.2 節(jié)點(diǎn)數(shù)據(jù)總體采集方案
    3.2 采集節(jié)點(diǎn)硬件設(shè)計(jì)
        3.2.1 電源模塊
        3.2.2 數(shù)據(jù)采集控制器
        3.2.3 數(shù)據(jù)采集通信模塊
        3.2.4 數(shù)據(jù)采集傳感器
        3.2.5 數(shù)據(jù)采集節(jié)點(diǎn)總體硬件設(shè)計(jì)
    3.3 數(shù)據(jù)采集上位機(jī)設(shè)計(jì)
        3.3.1 上位機(jī)界面設(shè)計(jì)
        3.3.2 上位機(jī)串口通信
    3.4 采集節(jié)點(diǎn)數(shù)據(jù)分析
        3.4.1 陀螺儀數(shù)據(jù)分析與預(yù)處理
        3.4.2 加速度計(jì)數(shù)據(jù)分析與預(yù)處理
    3.5 傳感器數(shù)據(jù)可視化分析
        3.5.1 靜態(tài)動(dòng)作與動(dòng)態(tài)動(dòng)作對(duì)比
        3.5.2 靜態(tài)動(dòng)作的可視化對(duì)比
        3.5.3 動(dòng)態(tài)動(dòng)作的可視化對(duì)比
    3.6 本章小結(jié)
4 人體運(yùn)動(dòng)狀態(tài)識(shí)別算法的設(shè)計(jì)
    4.1 引言
    4.2 人體運(yùn)動(dòng)識(shí)別算法介紹
        4.2.1 Logistic回歸算法
        4.2.2 支持向量機(jī)算法
        4.2.3 k-近鄰算法
        4.2.4 極限學(xué)習(xí)機(jī)算法
        4.2.5 多層感知機(jī)算法
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 基于Logistic回歸算法的識(shí)別效果
        4.3.2 基于支持向量機(jī)的識(shí)別效果
        4.3.3 基于k-近鄰算法的識(shí)別效果
        4.3.4 基于極限學(xué)習(xí)機(jī)的識(shí)別效果
        4.3.5 基于多層感知機(jī)的識(shí)別效果
        4.3.6 實(shí)驗(yàn)結(jié)果總體分析
    4.4 基于骨骼點(diǎn)的人體運(yùn)動(dòng)識(shí)別系統(tǒng)的實(shí)現(xiàn)與展示
    4.5 本章小結(jié)
5 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：4045457