基于手机的步态识别研究

发布时间：2017-09-22 15:46

  本文关键词：基于手机的步态识别研究

  更多相关文章： 无线体域网 蓝牙4.0 Android 步态识别

【摘要】：近些年随着科技的快速发展、人们生活水平的提高、生活方式和饮食习惯的改变,使得人们对自身的健康越来越关注。这些促使步态识别技术逐步应用于医疗康复系统治疗中,主要针对于下肢病理步态的识别和矫正。传统的病理步态识别方法需要观察者有足够的专业能力,且主观性太强。目前的病理步态识别技术,虽然准确率提高但是测试过程复杂、成本高、对周围环境要求大。针对目前的情况,本文的研究从病理步态识别的过程、成本、结果的可靠性等几点出发设计了一款基于手机的步态识别系统。该系统结构简单,成本低,测试结果比较可靠,操作过程简单。测试时用户只需要在身体佩戴传感器,打开手机系统,行走一段距离即可,整个过程不受外界环境影响,也不需要医学专业知识。步态信息采集方面:本文采用MPU6050六轴加速度传感器、STM32F103单片机和NRF24L01射频传输模块设计一个采集模块。利用设计好的采集模块,在人体构建一个体域网,采集人体下肢腰部、膝关节、踝关节等5个点的步态信息。基站传输方面:本文使用TI公司的CC2540蓝牙4.0模块构建一个基站接收无线体域网传过来人体步态信息,并将信息汇总传送给手机移动终端。移动显示方面:本文移动终端使用的是用户的Andriod手机。用户只需要安装一个事先调试好的步态识别APP系统,佩戴好传感器,打开步态识别系统并设定一段行走距离,然后点击开始行走完这段预设置的距离。点击结束以后,用户可以在手机界面看到自己的步频,步速,步态周期,摆动期和支撑期时间比,以及温馨建议。数据处理方面:本文设计了体域网终端节点与主节点之间以及终端节点与基站之间的上行链路通信数据帧格式。通过对加速度和陀螺仪数据的分析,得出人体行走的步频、步速、步态周期、跨步长、重心位移、摆动期和支撑期时间比等步态参数,最终实现对病理步态的识别。
【关键词】：无线体域网 蓝牙4.0 Android 步态识别
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.53;R49
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 课题背景及研究目的和意义10-11
• 1.2 步态识别的国内外发展现状11-14
• 1.3 课题的主要研究内容14-15
• 1.4 课题的章节安排15-16
• 第2章 步态识别综述和识别方案设计16-30
• 2.1 引言16
• 2.2 步态分析16-20
• 2.2.1 正常步态17-18
• 2.2.2 病理步态18-19
• 2.2.3 正常步态与偏瘫步态的特征区别19-20
• 2.3 步态数据采集方案20-22
• 2.3.1 信号采集传感器20-21
• 2.3.2 传感器的数量和位置21-22
• 2.4 基于无线的步态数据传输方案22-26
• 2.4.1 主流的无线传输技术简介和对比23-24
• 2.4.2 基于NRF24L01无线体域网方案24-25
• 2.4.3 基于蓝牙 4.0 的基站传输方案25-26
• 2.5 基于手机的步态识别方案26-28
• 2.5.1 主流智能手机系统简介26-27
• 2.5.2 基于Android系统的步态识别方案27-28
• 2.6 本文步态识别的总体方案28-29
• 2.7 本章小结29-30
• 第3章 步态识别系统的硬件设计30-41
• 3.1 引言30
• 3.2 无线体域网硬件电路设计30-39
• 3.2.1 MPU6050传感器电路30-32
• 3.2.2 数据处理单元电路32-36
• 3.2.3 电源管理电路36-37
• 3.2.4 NRF24L01传输模块电路37-39
• 3.3 基于CC2540的基站电路设计39-40
• 3.4 本章小结40-41
• 第4章 步态识别系统的软件设计41-56
• 4.1 引言41
• 4.2 无线体域网系统的软件设计41-45
• 4.2.1 无线体域网程序设计41-43
• 4.2.2 MPU6050的数据处理43-44
• 4.2.3 自定义无线通信上行链路数据帧格式44-45
• 4.3 蓝牙 4.0 中间枢纽的软件设计45-48
• 4.3.1 BLE协议栈简介45-46
• 4.3.2 CC2540实现步态信息的传输46-48
• 4.4 Android平台的数据处理和显示48-55
• 4.4.1 Android客户端软件开发与设计48-49
• 4.4.2 蓝牙扫描连接与通信49-52
• 4.4.3 步态数据波形绘制与显示52-54
• 4.4.4 步态数据存储与健康提示54-55
• 4.5 本章小结55-56
• 第5章 步态识别与系统调试56-72
• 5.1 引言56
• 5.2 信号预处理56-58
• 5.3 下肢数据的分析和特征选择58-64
• 5.4 步态参数处理和识别64-71
• 5.4.1 步态周期的处理和识别64-65
• 5.4.2 步频、步速、跨步长的处理与识别65-66
• 5.4.3 摆动期和支撑期时间比处理与识别66-69
• 5.4.4 实验结果和结论69-71
• 5.5 本章小结71-72
• 结论72-73
• 参考文献73-76
• 致谢76

【相似文献】

中国期刊全文数据库 前4条

1 李一波;李昆;姬晓飞;;多视角步态识别新算法的难点与动向[J];生物医学工程学杂志;2014年01期

2 郭忠武,丁海曙,王广志,丁辉;基于运动学和动力学参数的步态识别研究[J];生物医学工程学杂志;2005年01期

3 张虎军;张楠楠;顾建文;唐植;蔡峰;;人体运动监测技术的发展与应用[J];医疗卫生装备;2011年08期

4 ;[J];;年期

中国重要会议论文全文数据库 前8条

1 邓玉春;刘世平;;自动步态识别方法研究综述[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（上册）[C];2007年

2 何卫华;李平;文玉梅;叶波;袁海军;;运用下肢关节角度信息进行步态识别[A];第十三届全国图象图形学学术会议论文集[C];2006年

3 肖军;苏洁;郑波;贾鹏宇;;智能仿生腿在不同路况下的步态识别系统研究[A];2007中国控制与决策学术年会论文集[C];2007年

4 张聪;明东;万柏坤;;基于小波描述子和人体骨架模型的多视角融合步态识别[A];天津市生物医学工程学会第29届学术年会暨首届生物医学工程前沿科学研讨会论文集[C];2009年

5 朱京红;方帅;高明;方杰;;基于人工免疫模型的步态识别方法[A];第十四届全国图象图形学学术会议论文集[C];2008年

6 叶波;文玉梅;李平;;基于核主元分析和支持向量机的步态识别算法[A];第十三届全国图象图形学学术会议论文集[C];2006年

7 王科俊;阎涛;吕卓纹;;基于耦合度量学习的特征级融合方法及在步态识别中的应用[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

8 王科俊;贲f[烨;;基于线性插值的特征模板构造的步态识别算法框架[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

中国重要报纸全文数据库 前2条

1 编译 刘东征;新型“步态密码”给手机加把锁[N];北京科技报;2005年

2 若水;分析步态识别身份[N];光明日报;2003年

中国博士学位论文全文数据库 前10条

1 刘磊;基于多源信息的步态识别算法研究[D];河北工业大学;2015年

2 贲f[烨;基于人体运动分析的步态识别算法研究[D];哈尔滨工程大学;2010年

3 曾玮;基于确定学习理论的人体步态识别研究[D];华南理工大学;2012年

4 张元元;基于序列统计特性的步态识别算法研究[D];山东大学;2010年

5 赵国英;基于视频的步态识别[D];中国科学院研究生院（计算技术研究所）;2005年

6 薛召军;基于小波变换和支持向量机相结合的步态识别新方法研究[D];天津大学;2007年

7 胡荣;人体步态识别研究[D];华中科技大学;2010年

8 顾磊;基于图像序列的人体步态识别方法研究[D];南京理工大学;2008年

9 刘海涛;基于立体视觉的步态识别研究[D];中国科学技术大学;2010年

10 谭建辉;基于信息融合的红外步态识别新技术研究[D];广东工业大学;2011年

中国硕士学位论文全文数据库 前10条

1 陈夏辉;步态识别的若干关键技术研究[D];华南理工大学;2015年

2 王奎;一种基于特征曲线匹配的快速步态识别方法研究[D];大连海事大学;2015年

3 杨亚洲;基于人体轮廓特征的步态识别技术研究[D];国防科学技术大学;2013年

4 马晓龙;基于MIMU的单兵室内导航算法研究[D];国防科学技术大学;2013年

5 衣美佳;步态识别关键技术研究[D];南京邮电大学;2015年

6 杨楠;基于视触觉多特征融合的步态识别方法研究[D];河北工业大学;2015年

7 周浩理;复杂背景下多特征融合的人体步态识别研究[D];海南大学;2016年

8 李雪燕;视频监控中人体步态识别方法研究[D];长春工业大学;2016年

9 潘秀芳;基于手机的步态识别研究[D];燕山大学;2016年

10 李熙熙;基于腿部三角特征的贝叶斯步态识别方法研究[D];中南大学;2008年

，

本文编号：901691