哑铃健康锻炼系统的设计与实现
发布时间：2021-07-13 10:31
哑铃锻炼是一种普遍性的肌肉锻炼方式。在无专业教练指导下,个体自我锻炼易产生锻炼动作不规范、锻炼的运动处方不合理等问题。本文设计一套哑铃健康锻炼系统,进行锻炼者动作运动过程参数采集,动作类型识别和动作规范判断研究,为科学锻炼以及个性化哑铃锻炼的运动处方调整提供依据。本系统是基于物联网技术搭建的锻炼系统,该系统主要由运动采集端、服务端和客户端三部分组成。运动采集端中的JY901模块负责采集运动数据,ESP8266模块负责将数据用WiFi无线传输至客户端。客户端为基于安卓开发的App,主要功能为实时显示运动轨迹、实时指导动作、动作识别和个数统计等。服务端主要用于保存锻炼者的历史锻炼记录,对其分析并对运动处方进行动态调整,将调整后的运动处方数据通过JSON格式传输至客户端。为了实现哑铃动作的识别,对采集到的数据进行数据平滑,动作起始点判定等处理。提取三轴加速度,角速度,角度在时域和频域上的特征,对特征进行分析筛选,在传统的SVM算法上,融合了决策树算法,构建出一种融合决策树的多层SVM算法,对8种哑铃动作进行识别,综合识别率达到96.3%。哑铃的健康锻炼指导方案主要分为哑铃动作规范的指导和哑铃...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
智能健身系统的整体结构
图 2.5 运动采集模块安装位置 图 2.6 运动采集模块2.2.1 微处理器模块微处理模块是作为该系统的核心，本系统采用了乐鑫公司开发的 ESP8266。其提供了一套高度集成的 Wi-FiSoC 解决方案，其低功耗、紧凑设计和高稳定性很好的满足该系统的需求。ESP8266 内置了超低功耗 TensilicaL10632 位 RISC 处理器，CPU 时钟速度最高可达 160MHz，支持实时操作系统（RTOS）和 WiFi 协议栈，可将高达 80%的处理能力留给应用编程和开发。其集成度高，集成了标准数字外设接口、天线开关、射频、功率放大器、低噪放大器、过滤器和电源管理模块等，使得其体积大大减小。同时，ESP8266 具有低功耗的特点，专为移动设备、可穿戴电子产品和物联网应用而设计，同时具备有超低功耗。ESP8266的功能原理如图2.7所示。
图 2.5 运动采集模块安装位置 图 2.6 运动采集模块2.2.1 微处理器模块微处理模块是作为该系统的核心，本系统采用了乐鑫公司开发的 ESP8266。其提供了一套高度集成的 Wi-FiSoC 解决方案，其低功耗、紧凑设计和高稳定性很好的满足该系统的需求。ESP8266 内置了超低功耗 TensilicaL10632 位 RISC 处理器，CPU 时钟速度最高可达 160MHz，支持实时操作系统（RTOS）和 WiFi 协议栈，可将高达 80%的处理能力留给应用编程和开发。其集成度高，集成了标准数字外设接口、天线开关、射频、功率放大器、低噪放大器、过滤器和电源管理模块等，使得其体积大大减小。同时，ESP8266 具有低功耗的特点，专为移动设备、可穿戴电子产品和物联网应用而设计，同时具备有超低功耗。ESP8266的功能原理如图2.7所示。
【参考文献】：
期刊论文
[1]大学生健身增肌人群的运动处方[J]. 高欢. 中国体育教练员. 2018(02)
[2]基于肌肉骨骼负荷的上肢姿势不舒适度评价方法[J]. 张丽珍,邵祺,杨加庆,赵嘉敏,宋政,戴鹏. 工业工程与管理. 2017(05)
[3]基于加速度传感器的上肢运动信息采集与姿态识别[J]. 张俊杰,孙光民,李煜,张翼,李俊,闫正祥,马北川,刘天伦. 北京工业大学学报. 2017(07)
[4]具有运动管理功能的智能穿戴设备设计与实现[J]. 李珍华. 微处理机. 2017(02)
[5]基于支持向量机优化的人体动作识别方法[J]. 刘一松,韩建飞. 信息技术. 2017(04)
[6]基于MEMS六轴传感器的上肢运动识别系统[J]. 胡成全,王凯,何丽莉,魏枫林,姜宇. 大连理工大学学报. 2017(01)
[7]带有关节权重的DTW动作识别算法研究[J]. 汪成峰,陈洪,张瑞萱,朱德海,王庆,梅树立. 图学学报. 2016(04)
[8]基于九轴传感器的老年人跌倒检测系统设计[J]. 梁高生. 电子世界. 2016(15)
[9]基于Kinect的人体动作识别方法[J]. 辛义忠,邢志飞. 计算机工程与设计. 2016(04)
[10]基于加速度传感器的连续动态手势识别[J]. 陈鹏展,罗漫,李杰. 传感器与微系统. 2016(01)
博士论文
[1]基于表面肌电和加速度信号融合的动作识别和人体行为分析研究[D]. 成娟.中国科学技术大学 2013
[2]皮划艇运动生物力学信息获取与评价指标体系研究[D]. 马祖长.中国科学技术大学 2007
硕士论文
[1]基于惯性传感器的体感动作识别和分析[D]. 陈宇清.华南理工大学 2018
[2]基于Android和ARM的智能健身系统的设计与实现[D]. 俞振东.南昌大学 2017
[3]基于Kinect的动作评价方法研究[D]. 姜延丰.沈阳工业大学 2017
[4]基于传感器数据的手臂动作识别与应用研究[D]. 张鑫.哈尔滨工业大学 2016
[5]基于加速度信号的人体前臂动作识别技术研究[D]. 于希永.哈尔滨工程大学 2016
[6]基于Android的在线教育平台的设计与实现[D]. 赵宁.湖南大学 2016
[7]基于加速度传感器的人体动作识别方法研究[D]. 韩建飞.江苏大学 2016
[8]基于主成分的中学生成绩分析方法的研究[D]. 陆炳方.华南理工大学 2015
[9]智能化健身器械的研究与应用设计[D]. 刘洋.中国科学技术大学 2015
[10]基于Wi-Fi的智能家居中控器的设计和实现[D]. 严立.电子科技大学 2015
本文编号：3281898
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
智能健身系统的整体结构
图 2.5 运动采集模块安装位置 图 2.6 运动采集模块2.2.1 微处理器模块微处理模块是作为该系统的核心，本系统采用了乐鑫公司开发的 ESP8266。其提供了一套高度集成的 Wi-FiSoC 解决方案，其低功耗、紧凑设计和高稳定性很好的满足该系统的需求。ESP8266 内置了超低功耗 TensilicaL10632 位 RISC 处理器，CPU 时钟速度最高可达 160MHz，支持实时操作系统（RTOS）和 WiFi 协议栈，可将高达 80%的处理能力留给应用编程和开发。其集成度高，集成了标准数字外设接口、天线开关、射频、功率放大器、低噪放大器、过滤器和电源管理模块等，使得其体积大大减小。同时，ESP8266 具有低功耗的特点，专为移动设备、可穿戴电子产品和物联网应用而设计，同时具备有超低功耗。ESP8266的功能原理如图2.7所示。
图 2.5 运动采集模块安装位置 图 2.6 运动采集模块2.2.1 微处理器模块微处理模块是作为该系统的核心，本系统采用了乐鑫公司开发的 ESP8266。其提供了一套高度集成的 Wi-FiSoC 解决方案，其低功耗、紧凑设计和高稳定性很好的满足该系统的需求。ESP8266 内置了超低功耗 TensilicaL10632 位 RISC 处理器，CPU 时钟速度最高可达 160MHz，支持实时操作系统（RTOS）和 WiFi 协议栈，可将高达 80%的处理能力留给应用编程和开发。其集成度高，集成了标准数字外设接口、天线开关、射频、功率放大器、低噪放大器、过滤器和电源管理模块等，使得其体积大大减小。同时，ESP8266 具有低功耗的特点，专为移动设备、可穿戴电子产品和物联网应用而设计，同时具备有超低功耗。ESP8266的功能原理如图2.7所示。
【参考文献】：
期刊论文
[1]大学生健身增肌人群的运动处方[J]. 高欢. 中国体育教练员. 2018(02)
[2]基于肌肉骨骼负荷的上肢姿势不舒适度评价方法[J]. 张丽珍,邵祺,杨加庆,赵嘉敏,宋政,戴鹏. 工业工程与管理. 2017(05)
[3]基于加速度传感器的上肢运动信息采集与姿态识别[J]. 张俊杰,孙光民,李煜,张翼,李俊,闫正祥,马北川,刘天伦. 北京工业大学学报. 2017(07)
[4]具有运动管理功能的智能穿戴设备设计与实现[J]. 李珍华. 微处理机. 2017(02)
[5]基于支持向量机优化的人体动作识别方法[J]. 刘一松,韩建飞. 信息技术. 2017(04)
[6]基于MEMS六轴传感器的上肢运动识别系统[J]. 胡成全,王凯,何丽莉,魏枫林,姜宇. 大连理工大学学报. 2017(01)
[7]带有关节权重的DTW动作识别算法研究[J]. 汪成峰,陈洪,张瑞萱,朱德海,王庆,梅树立. 图学学报. 2016(04)
[8]基于九轴传感器的老年人跌倒检测系统设计[J]. 梁高生. 电子世界. 2016(15)
[9]基于Kinect的人体动作识别方法[J]. 辛义忠,邢志飞. 计算机工程与设计. 2016(04)
[10]基于加速度传感器的连续动态手势识别[J]. 陈鹏展,罗漫,李杰. 传感器与微系统. 2016(01)
博士论文
[1]基于表面肌电和加速度信号融合的动作识别和人体行为分析研究[D]. 成娟.中国科学技术大学 2013
[2]皮划艇运动生物力学信息获取与评价指标体系研究[D]. 马祖长.中国科学技术大学 2007
硕士论文
[1]基于惯性传感器的体感动作识别和分析[D]. 陈宇清.华南理工大学 2018
[2]基于Android和ARM的智能健身系统的设计与实现[D]. 俞振东.南昌大学 2017
[3]基于Kinect的动作评价方法研究[D]. 姜延丰.沈阳工业大学 2017
[4]基于传感器数据的手臂动作识别与应用研究[D]. 张鑫.哈尔滨工业大学 2016
[5]基于加速度信号的人体前臂动作识别技术研究[D]. 于希永.哈尔滨工程大学 2016
[6]基于Android的在线教育平台的设计与实现[D]. 赵宁.湖南大学 2016
[7]基于加速度传感器的人体动作识别方法研究[D]. 韩建飞.江苏大学 2016
[8]基于主成分的中学生成绩分析方法的研究[D]. 陆炳方.华南理工大学 2015
[9]智能化健身器械的研究与应用设计[D]. 刘洋.中国科学技术大学 2015
[10]基于Wi-Fi的智能家居中控器的设计和实现[D]. 严立.电子科技大学 2015
本文编号：3281898
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3281898.html
