球拍类运动的动作识别与软件实现
发布时间:2021-07-07 18:17
随着人们生活水平的提高,人们对运动健身越来越重视,越来越多的人喜欢通过运动来锻炼身体,尤其是球拍类运动(羽毛球,乒乓球,网球等)更是深受广大人民的喜爱。同时,随着智能手机和传感器网络的发展,可穿戴的智能体育运动设备如运动手环,智能手表,智能运动鞋也得到了迅速的发展。这些智能可穿戴设备大多会统计运动者运动过程中的相关数据,通过这些统计数据可以很直观的显示出运动者的运动特征,此外还可以通过对这些统计数据的分析来指导运动者的运动,提高运动者的竞技水平,使运动者对运动更感兴趣。然而,目前关于球拍类运动挥拍动作识别方面的研究相对较少。因此本文以羽毛球运动为例,使用单惯性传感器来采集6类常见的羽毛球运动挥拍动作数据,研究出一种羽毛球挥拍动作的识别算法,并基于此研发出一款集羽毛球挥拍动作实时识别,运动统计,运动分析并具有分享功能的智能羽毛球训练系统软件。主要研究内容如下:(1)提出了一种基于单惯性传感器的羽毛球运动挥拍动作的识别方法。本文采用将单惯性传感器固定在羽毛球拍底部的数据采集方法,提出一种基于滑动窗口和动作窗口相结合的实时运动数据流的窗口分割方法,而后将截取的运动数据进行特征提取,并采用PC...
【文章来源】: 张一天 大连理工大学
【文章页数】:79 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 国内外相关工作研究现状
1.3 运动识别相关方法概述
1.3.1 运动识别过程
1.3.2 窗口分割相关方法
1.3.3 特征提取和选择相关方法
1.3.4 分类与识别算法介绍
1.4 本论文内容及组织形式
2 数据采集与窗口分割
2.1 运动动作数据采集
2.1.1 采集系统硬件平台
2.1.2 采集系统软件平台
2.1.3 动作数据的采集
2.2 运动数据窗口分割
2.2.1 实验数据的窗口分割
2.2.2 实时数据流的窗口分割
2.3 本章小结
3 基于决策树和随机森林的挥拍动作识别
3.1 特征提取和特征选择
3.1.1 特征提取
3.1.2 特征标准化
3.1.3 特征选择
3.2 挥拍动作分类与识别
3.2.1 基于决策树的握拍方式识别
3.2.2 基于随机森林的挥拍动作识别
3.2.3 随机森林的参数选择
3.3 本章小结
4 算法验证与结果分析
4.1 实验数据采集
4.2 识别结果分析
4.2.1 挥拍动作与非挥拍动作的分类
4.2.2 握拍方式的识别结果
4.2.3 挥拍动作的识别结果
4.3 对比试验
4.3.1 两种识别方式对比
4.3.2 多种识别算法对比
4.4 本章小结
5 智能羽毛球训练系统的设计与实现
5.1 Android相关技术介绍
5.2 软件的需求分析
5.3 软件的设计与实现
5.3.1 软件的整体框架
5.3.2 软件架构设计
5.3.3 BLE数据采集模块的设计
5.3.4 注册登录与信息管理模块的设计
5.3.5 运动训练模块的设计
5.3.6 运动分析模块的设计
5.3.7 社交模块的设计
5.4 软件测试
5.4.1 软件测试目的
5.4.2 软件测试方法
5.4.3 软件测试内容及结果
5.5 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
【参考文献】:
期刊论文
[1]一种基于K近邻和多元回归的传感器缺失值预测算法[J]. 关伟,李先通. 公路交通科技. 2019(03)
[2]基于改进KNN算法的手写数字识别研究[J]. 胡君萍,傅科学. 武汉理工大学学报(信息与管理工程版). 2019(01)
[3]基于结构优化的DDAG-SVM上肢康复训练动作识别方法[J]. 左国玉,徐兆坤,卢佳豪,龚道雄. 自动化学报. 2020(03)
[4]体育视频中羽毛球运动员的动作识别[J]. 杨静. 自动化技术与应用. 2018(10)
[5]基于WEKA平台的决策树算法比较研究[J]. 杨小军,钱鲁锋,别致. 舰船电子工程. 2018(10)
[6]支持向量机的基本理论和研究进展[J]. 林香亮,袁瑞,孙玉秋,王超,陈长胜. 长江大学学报(自科版). 2018(17)
[7]基于大数据统计分析的全国PM2.5污染特征研究[J]. 任鹏举,江帅,王磊. 计算机与网络. 2018(14)
[8]决策树约束的建筑点云提取方法[J]. 雷钊,习晓环,王成,王濮,王永星,尹国清. 激光与光电子学进展. 2018(08)
[9]基于MFCC和神经网络的西瓜音频熟度识别[J]. 钱玲龙,俞东芝,杨义静. 电子制作. 2018(09)
[10]基于加速度和角速度的羽毛球动作识别研究[J]. 吴可涵,吴端坡,陈婷,陈柏平,范剑琪. 电子技术与软件工程. 2018(08)
博士论文
[1]基于惯性传感器数据的人体日常动作识别研究[D]. 武东辉.大连理工大学 2016
硕士论文
[1]基于惯性传感器的动作识别研究[D]. 司玉仕.南京邮电大学 2018
[2]基于Android的演讲者跟踪系统的设计与实现[D]. 陆欣欣.广西师范大学 2018
[3]基于机器学习的羽毛球技术特征统计与步伐训练的研究与实现[D]. 雷玉超.华中师范大学 2018
[4]低分辨率条件下的人脸识别算法研究[D]. 张一凡.电子科技大学 2018
[5]基于特征优化的逻辑回归模型在广告点击率问题中的应用研究[D]. 钱超.华中师范大学 2018
[6]运动估计算法的改进及电子稳像技术应用[D]. 李宝同.北京工业大学 2016
[7]手机化智能家居技术研究[D]. 潘登.华中科技大学 2016
[8]基于传感器和贝叶斯的室内目标定位机制[D]. 胡涛.北京林业大学 2016
[9]中文对话行为识别的机器学习算法研究[D]. 王绪霄.天津大学 2015
[10]基于体域网的运动行为识别算法的研究[D]. 赵聪.大连理工大学 2014
本文编号:3270124
【文章来源】: 张一天 大连理工大学
【文章页数】:79 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 国内外相关工作研究现状
1.3 运动识别相关方法概述
1.3.1 运动识别过程
1.3.2 窗口分割相关方法
1.3.3 特征提取和选择相关方法
1.3.4 分类与识别算法介绍
1.4 本论文内容及组织形式
2 数据采集与窗口分割
2.1 运动动作数据采集
2.1.1 采集系统硬件平台
2.1.2 采集系统软件平台
2.1.3 动作数据的采集
2.2 运动数据窗口分割
2.2.1 实验数据的窗口分割
2.2.2 实时数据流的窗口分割
2.3 本章小结
3 基于决策树和随机森林的挥拍动作识别
3.1 特征提取和特征选择
3.1.1 特征提取
3.1.2 特征标准化
3.1.3 特征选择
3.2 挥拍动作分类与识别
3.2.1 基于决策树的握拍方式识别
3.2.2 基于随机森林的挥拍动作识别
3.2.3 随机森林的参数选择
3.3 本章小结
4 算法验证与结果分析
4.1 实验数据采集
4.2 识别结果分析
4.2.1 挥拍动作与非挥拍动作的分类
4.2.2 握拍方式的识别结果
4.2.3 挥拍动作的识别结果
4.3 对比试验
4.3.1 两种识别方式对比
4.3.2 多种识别算法对比
4.4 本章小结
5 智能羽毛球训练系统的设计与实现
5.1 Android相关技术介绍
5.2 软件的需求分析
5.3 软件的设计与实现
5.3.1 软件的整体框架
5.3.2 软件架构设计
5.3.3 BLE数据采集模块的设计
5.3.4 注册登录与信息管理模块的设计
5.3.5 运动训练模块的设计
5.3.6 运动分析模块的设计
5.3.7 社交模块的设计
5.4 软件测试
5.4.1 软件测试目的
5.4.2 软件测试方法
5.4.3 软件测试内容及结果
5.5 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
【参考文献】:
期刊论文
[1]一种基于K近邻和多元回归的传感器缺失值预测算法[J]. 关伟,李先通. 公路交通科技. 2019(03)
[2]基于改进KNN算法的手写数字识别研究[J]. 胡君萍,傅科学. 武汉理工大学学报(信息与管理工程版). 2019(01)
[3]基于结构优化的DDAG-SVM上肢康复训练动作识别方法[J]. 左国玉,徐兆坤,卢佳豪,龚道雄. 自动化学报. 2020(03)
[4]体育视频中羽毛球运动员的动作识别[J]. 杨静. 自动化技术与应用. 2018(10)
[5]基于WEKA平台的决策树算法比较研究[J]. 杨小军,钱鲁锋,别致. 舰船电子工程. 2018(10)
[6]支持向量机的基本理论和研究进展[J]. 林香亮,袁瑞,孙玉秋,王超,陈长胜. 长江大学学报(自科版). 2018(17)
[7]基于大数据统计分析的全国PM2.5污染特征研究[J]. 任鹏举,江帅,王磊. 计算机与网络. 2018(14)
[8]决策树约束的建筑点云提取方法[J]. 雷钊,习晓环,王成,王濮,王永星,尹国清. 激光与光电子学进展. 2018(08)
[9]基于MFCC和神经网络的西瓜音频熟度识别[J]. 钱玲龙,俞东芝,杨义静. 电子制作. 2018(09)
[10]基于加速度和角速度的羽毛球动作识别研究[J]. 吴可涵,吴端坡,陈婷,陈柏平,范剑琪. 电子技术与软件工程. 2018(08)
博士论文
[1]基于惯性传感器数据的人体日常动作识别研究[D]. 武东辉.大连理工大学 2016
硕士论文
[1]基于惯性传感器的动作识别研究[D]. 司玉仕.南京邮电大学 2018
[2]基于Android的演讲者跟踪系统的设计与实现[D]. 陆欣欣.广西师范大学 2018
[3]基于机器学习的羽毛球技术特征统计与步伐训练的研究与实现[D]. 雷玉超.华中师范大学 2018
[4]低分辨率条件下的人脸识别算法研究[D]. 张一凡.电子科技大学 2018
[5]基于特征优化的逻辑回归模型在广告点击率问题中的应用研究[D]. 钱超.华中师范大学 2018
[6]运动估计算法的改进及电子稳像技术应用[D]. 李宝同.北京工业大学 2016
[7]手机化智能家居技术研究[D]. 潘登.华中科技大学 2016
[8]基于传感器和贝叶斯的室内目标定位机制[D]. 胡涛.北京林业大学 2016
[9]中文对话行为识别的机器学习算法研究[D]. 王绪霄.天津大学 2015
[10]基于体域网的运动行为识别算法的研究[D]. 赵聪.大连理工大学 2014
本文编号:3270124
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3270124.html