可穿戴设备中的人体姿态识别方法

发布时间：2017-06-28 16:11

  本文关键词：可穿戴设备中的人体姿态识别方法，，由笔耕文化传播整理发布。

【摘要】：随着科技的发展和制造工艺的不断提高,以智能手机为首的智能设备不断出新,几乎贯穿人们生活中的方方面面。与此同时,人们也更加关注自身的健康和运动状态。现有的人体姿态识别研究基于便携穿戴设备的比较少。因此,基于智能穿戴设备的人体姿态识别研究,将是未来发展的一个重要方向。本文以内嵌三轴加速度传感器的智能手机为数据采集设施,模拟穿戴设备,对人体日常的运动进行实验,采集运动时的三维加速度数据,提出相关的方法对人体4种日常基本迈步姿态(走路、跑步、上楼和下楼)进行识别,并进一步对各种姿态间的转换进行分析,并针对特殊的跌倒状况进行识别。本文提出的方法对基本姿态和跌倒状况的识别,均有较好的识别效果。本文的主要内容和贡献如下:(1)、在深入分析人体迈步时受力情况的基础上,对每个迈步区间进行分析,提出一种基于单个迈步区间特征选取方法,使研究工作更细化,更精确的定位运动变化情况。(2)、提出一种基于单个迈步区间特征向量的分类、识别方法,能比较有效的识别出4种基本迈步姿态(走路、跑步、上楼和下楼)。(3)、对识别出的迈步步伐进行组合,比较精确的定位前后不同持续姿态的转换区间,并提出一种有效的跌倒识别方法。
【关键词】：智能穿戴设备 加速度传感器 运动姿态识别 跌倒检测
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP368.33
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 课题研究背景及意义9-10
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10
• 1.2 国内外研究状况10-12
• 1.3 发展趋势12
• 1.4 本文组织结构12-14
• 第二章 课题的研究内容和设计方案14-23
• 2.1 课题的主要研究内容14-15
• 2.1.1 数据的获取与存储14
• 2.1.2 模型建立与算法实现14-15
• 2.1.3 应用程序及软件实现15
• 2.2 安卓平台数据获取15-18
• 2.2.1 传感器硬件及其工作原理15-16
• 2.2.2 安卓平台加速度数据的获取16-18
• 2.3 特征选择和提取18-19
• 2.4 分类识别方法19-20
• 2.5 常用数据滤波方法20-22
• 2.6 本章小结22-23
• 第三章 基于穿戴设备的姿态特征分析23-37
• 3.1 人体迈步时受力分析23-26
• 3.1.1 受力分析24-25
• 3.1.2 加速度数据变化趋势25-26
• 3.2 数据预处理26-27
• 3.2.1 时间窗口26-27
• 3.2.2 滤波处理27
• 3.3 运动姿态特征的选取27-34
• 3.3.1 迈步周期及其周期性分段29-30
• 3.3.2 迈步周期内振幅偏转30-32
• 3.3.3 抖动差值32-34
• 3.3.4 特征向量及训练集介绍34
• 3.4 静止姿态判别34-36
• 3.4.1 迈步区间判别34-35
• 3.4.2 静止姿态判别35-36
• 3.5 本章小结36-37
• 第四章 基于穿戴设备的姿态识别分析37-47
• 4.1 迈步姿态识别方法37-40
• 4.1.1 余弦测度37-38
• 4.1.2 Softmax回归算法38-39
• 4.1.3 单体迈步姿态识别39-40
• 4.2 姿态转换识别方法40-42
• 4.2.1 持续姿态判定40-41
• 4.2.2 不同姿态的转换区间41-42
• 4.3 不同姿态的转换分析42-44
• 4.3.1 走路-跑步姿态的转换42-43
• 4.3.2 静止-走路姿态的转换43-44
• 4.4 基于姿态识别的跌倒识别分析44-46
• 4.4.1 跌倒特征分析44-45
• 4.4.2 跌倒识别45-46
• 4.5 本章小结46-47
• 第五章 模拟穿戴设备实验分析47-59
• 5.1 功能模块设计48-53
• 5.1.1 模块总体设计48-49
• 5.1.2 数据采集模块49-50
• 5.1.3 特征提取模块50-51
• 5.1.4 姿态识别模块51-53
• 5.2 实验测试53-58
• 5.2.1 单体迈步姿态识别测试53-55
• 5.2.2 持续姿态识别测试55-57
• 5.2.3 跌倒的判断测试57-58
• 5.3 本章小结58-59
• 第六章 总结与展望59-61
• 6.1 本文总结59-60
• 6.2 工作展望60-61
• 参考文献61-64
• 附录1 攻读硕士学位期间申请的专利64-65
• 致谢65

【相似文献】

中国期刊全文数据库 前10条

1 李丽;刘君义;李学斌;;一种新的大型四肢动物体姿态识别方法[J];电脑知识与技术(学术交流);2007年05期

2 郑莉莉;黄鲜萍;梁荣华;;基于支持向量机的人体姿态识别[J];浙江工业大学学报;2012年06期

3 魏振忠;赵征;张广军;;空间圆姿态识别二义性的角度约束消除[J];光学精密工程;2010年03期

4 殷海艳;刘波;;基于部位检测的人体姿态识别[J];计算机工程与设计;2013年10期

5 陈U

本文编号：494463