基于智能手机的人体异常步态识别研究
发布时间：2021-03-25 18:37
步态是步行时的姿态,正常步态是人体协调运动的结果。疾病、遗传、意外伤害等因素可能导致步态改变,造成步态异常。分析、识别和评价异常步态在临床诊断和康复中有重要的价值。传统临床医学上异常步态的分析评估多采用价格昂贵的专业设备而难以在日常生活中得到应用。随着基于智能手机的步态识别技术发展,人体异常步态的识别和分析有了更为经济便利的测量手段,但随之出现的问题亟待研究。本文通过实验设计,利用智能手机采集人体正常和异常步态数据。在进行数据预处理后,分别进行特征提取、分类识别和参数估计、量化分析,并建立异常步态的理论模型进行验证对比,从而实现基于智能手机的异常步态定性识别和量化分析。全文主要工作内容概括如下:1.基于智能手机中内置的加速度和旋转矢量传感器,开发和设计Android系统下步态数据采集APP。针对数据采集过程中的抖动、手机朝向等问题,利用四元数法将手机的相对坐标系转换为地球的绝对坐标系,同时运用双树复小波算法进行数据预处理。2.在步态领域缺乏参数估计和量化分析等定量分析的情况下,采用生物力学参数:时间、空间及时-空参数,进行步态周期、步数、步长及角度等研究;考虑到人体步态的周期性,构建步...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
图2-5时移情况对比
电子科技大学硕士学位论文加速度计的采样频率，我们假设用户的最大阶跃周期和规则阶跃周期分别近M 和 M。因此第一个步态周期 的起始点可以通过找第一个周期M 的最大得到：1= arg max( ( )),1l r l l M (3在寻找第一个步态周期的结束点2 的时候，由于用户走路的速度是未知的，我们可以扩大查找范围 d，2 1 1= arg max( ( )),l r l M d l M d(3因此1r ( )和2r ( )作为记录连续加速度计数据的最大值，2 1L 连续的样1 1 2R {r (l ), l }将作为识别其余步态周期的模板。1
第三章 人体异常步态参数估计研究测初始位置：开始实际步态周期检测之前需要决定步态模板的位置，最直观的方法是据的起始位置开始，但考虑到起始位置的数据误差较大，本课题选择从的中间开始。测其余步态周期构建好步态模板检测的开始和结束后，通过从上一阶段检测到的起始位前检测步态周期，然后从上一段检测到的结束位置来向后检测步态周期现步态周期的循环序列。
【参考文献】：
期刊论文
[1]基于数据挖掘的雾霾预测和分析[J]. 陈嘉昊,刘佳. 制造业自动化. 2017(06)
[2]手机内置加速度传感器数据的空间坐标转换算法[J]. 赵宏,郭立渌. 计算机应用. 2016(02)
[3]正常青年人三维步态:时空及运动学和运动力学参数分析[J]. 黄萍,钟慧敏,陈博,齐进,钱念东,邓廉夫. 中国组织工程研究. 2015(24)
[4]膝骨性关节炎患者平地行走的下肢生物力学分析[J]. 陈菁华,王芗斌,林颖,钟锦然,何坚. 按摩与康复医学. 2015 (10)
[5]步态分析在膝骨性关节炎中的应用[J]. 李勇,龚利,朱清广. 中医学报. 2013(04)
[6]基于尺度噪声水平估计的双树复数小波变换图像去噪方法[J]. 许慰玲,方若宇,闫敬文. 仲恺农业工程学院学报. 2011(01)
[7]统计学中四分位数的计算[J]. 张云华. 中国高新技术企业. 2009(20)
[8]基于双树复数小波变换的掌纹特征提取[J]. 苑玮琦,刘真,柯丽. 光电子.激光. 2009(04)
[9]数据挖掘中的新方法——支持向量机[J]. 罗娜. 软件导刊. 2008(10)
[10]步行动作的生物力学原理及其步态分析[J]. 钱竞光,宋雅伟,叶强,李勇强,唐潇. 南京体育学院学报(自然科学版). 2006(04)
博士论文
[1]人体步态模型实验研究[D]. 赵凌燕.哈尔滨工程大学 2008
[2]基于步态分析的身份识别研究[D]. 苏菡.哈尔滨工程大学 2006
硕士论文
[1]基于智能手机的人体步态识别及其应用[D]. 侯东谷.电子科技大学 2018
[2]偏瘫步态的动力学模拟与仿真分析[D]. 束一铭.东南大学 2017
[3]基于MEMS传感器的步态识别算法研究及实现[D]. 范珊珊.南京邮电大学 2016
[4]基于智能手机的人体运动状态分析[D]. 王驰.电子科技大学 2016
[5]基于手机的步态识别研究[D]. 潘秀芳.燕山大学 2016
[6]人体跑步过程中下肢运动模型及实验研究[D]. 李静.哈尔滨工程大学 2016
[7]基于智能感知的城市环境车辆测速研究[D]. 韩皓夫.上海交通大学 2014
[8]基于轨迹还原的智能手机室内定位系统的设计与实现[D]. 刘悦韡.西安电子科技大学 2014
[9]基于微惯性传感器的姿态算法研究[D]. 丁君.上海交通大学 2013
本文编号：3100118
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
图2-5时移情况对比
电子科技大学硕士学位论文加速度计的采样频率，我们假设用户的最大阶跃周期和规则阶跃周期分别近M 和 M。因此第一个步态周期 的起始点可以通过找第一个周期M 的最大得到：1= arg max( ( )),1l r l l M (3在寻找第一个步态周期的结束点2 的时候，由于用户走路的速度是未知的，我们可以扩大查找范围 d，2 1 1= arg max( ( )),l r l M d l M d(3因此1r ( )和2r ( )作为记录连续加速度计数据的最大值，2 1L 连续的样1 1 2R {r (l ), l }将作为识别其余步态周期的模板。1
第三章 人体异常步态参数估计研究测初始位置：开始实际步态周期检测之前需要决定步态模板的位置，最直观的方法是据的起始位置开始，但考虑到起始位置的数据误差较大，本课题选择从的中间开始。测其余步态周期构建好步态模板检测的开始和结束后，通过从上一阶段检测到的起始位前检测步态周期，然后从上一段检测到的结束位置来向后检测步态周期现步态周期的循环序列。
【参考文献】：
期刊论文
[1]基于数据挖掘的雾霾预测和分析[J]. 陈嘉昊,刘佳. 制造业自动化. 2017(06)
[2]手机内置加速度传感器数据的空间坐标转换算法[J]. 赵宏,郭立渌. 计算机应用. 2016(02)
[3]正常青年人三维步态:时空及运动学和运动力学参数分析[J]. 黄萍,钟慧敏,陈博,齐进,钱念东,邓廉夫. 中国组织工程研究. 2015(24)
[4]膝骨性关节炎患者平地行走的下肢生物力学分析[J]. 陈菁华,王芗斌,林颖,钟锦然,何坚. 按摩与康复医学. 2015 (10)
[5]步态分析在膝骨性关节炎中的应用[J]. 李勇,龚利,朱清广. 中医学报. 2013(04)
[6]基于尺度噪声水平估计的双树复数小波变换图像去噪方法[J]. 许慰玲,方若宇,闫敬文. 仲恺农业工程学院学报. 2011(01)
[7]统计学中四分位数的计算[J]. 张云华. 中国高新技术企业. 2009(20)
[8]基于双树复数小波变换的掌纹特征提取[J]. 苑玮琦,刘真,柯丽. 光电子.激光. 2009(04)
[9]数据挖掘中的新方法——支持向量机[J]. 罗娜. 软件导刊. 2008(10)
[10]步行动作的生物力学原理及其步态分析[J]. 钱竞光,宋雅伟,叶强,李勇强,唐潇. 南京体育学院学报(自然科学版). 2006(04)
博士论文
[1]人体步态模型实验研究[D]. 赵凌燕.哈尔滨工程大学 2008
[2]基于步态分析的身份识别研究[D]. 苏菡.哈尔滨工程大学 2006
硕士论文
[1]基于智能手机的人体步态识别及其应用[D]. 侯东谷.电子科技大学 2018
[2]偏瘫步态的动力学模拟与仿真分析[D]. 束一铭.东南大学 2017
[3]基于MEMS传感器的步态识别算法研究及实现[D]. 范珊珊.南京邮电大学 2016
[4]基于智能手机的人体运动状态分析[D]. 王驰.电子科技大学 2016
[5]基于手机的步态识别研究[D]. 潘秀芳.燕山大学 2016
[6]人体跑步过程中下肢运动模型及实验研究[D]. 李静.哈尔滨工程大学 2016
[7]基于智能感知的城市环境车辆测速研究[D]. 韩皓夫.上海交通大学 2014
[8]基于轨迹还原的智能手机室内定位系统的设计与实现[D]. 刘悦韡.西安电子科技大学 2014
[9]基于微惯性传感器的姿态算法研究[D]. 丁君.上海交通大学 2013
本文编号：3100118
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3100118.html
