面向智慧健身的物联网动作监控系统研究
发布时间：2021-04-22 11:00
近年来,随着人们工作强度日益增加、生活压力越来越大,人们的身体健康正面临着诸多挑战。在这种背景下,健康生活成为了人们关心的话题,越来越多的人选择通过健身来促进身体。另一方面,电子技术的飞速发展也使得越来越多的人使用基于MEMS的惯性传感器来监测人们的运动情况。这种方式可以更好地辅助体育锻炼,对于促进身体健康具有重要意义。目前,基于MEMS的动作识别研究主要有如下特点:在数据传输方面,以面向个域网的蓝牙和Zigbee为主要通信方式,这种方式尚不支持面向多用户的场景;在动作识别算法方面,以经典机器学习算法为主,如支持向量机、朴素贝叶斯、决策树等,而理解能力更强的深度神经网络并未被使用;在应用场景方面,以人体活动识别为主,即识别人体站立、躺、坐、骑行等状态,而对于更加具体的肢体类运动识别的研究较少。此外,在为数不多的肢体动作识别研究中,并未涉及对动作周期这一重要信息的分析。针对动作识别研究中上述现存问题,本文设计并实现了一种基于MEMS的多用户动作监测系统,用以实现对于肢体活动中动作类型、动作次数和动作周期这三个重要参数的监测,并支持多用户同时使用,具体的研究内容如下:（1）在系统设计方面,...
【文章来源】：陕西师范大学陕西省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究的背景与意义
1.2 人体动作识别的研究现状
1.3 主要研究内容
1.4 本文的结构安排
第2章 基于物联网的动作监控系统设计与基础理论研究
2.1 系统方案设计
2.2 基础理论研究
2.2.1 MEMS惯性传感器的基本原理
2.2.2 SVM
2.2.3 多层感知机
2.2.4 卷积神经网络
2.2.5 长短期记忆网络
2.3 本章小结
第3章 基于机器学习的动作识别术研究
3.1 动作识别算法
3.1.1 基于SVM的动作识别
3.1.1.1 特征提取
3.1.1.2 特征选择
3.1.1.3 参数优化
3.1.2 基于深度学习的动作识别
3.1.2.1 数据预处理
3.1.2.2 网络结构
3.2 动作计数及周期计算方法
3.2.1 敏感轴选择
3.2.2 小波变换简介
3.2.3 动作计数及周期计算方法
3.3 本章小结
第4章 软硬件平台开发及实验验证
4.1 实验系统开发
4.1.1 数据采集节点硬件设计
4.1.1.1 电源模块
4.1.1.2 微控制器
4.1.1.3 通信模块
4.1.1.4 姿态传感器
4.1.1.5 数据采集节点硬件总体设计
4.1.2 通信调试上位机
4.1.3 动作监测系统软件设计
4.1.3.1 数据通信及动作启停检测
4.1.3.2 数据预处理
4.1.3.3 动作模式识别
4.1.3.4 动作计数及周期计算
4.1.3.5 用户界面
4.2 实验过程及结果分析
4.2.1 动作识别实验
4.2.2 动作计数及周期计算实验
4.3 本章小结
第5章 总结与展望
5.1 全文总结
5.2 后续工作展望
参考文献
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]大学生对运动损伤的认知调查与对策分析[J]. 何诗慧. 现代经济信息. 2018(24)
[2]脑卒中偏瘫患者下肢功能障碍的康复训练进展[J]. 邹玲,卢壮华. 按摩与康复医学. 2018(20)
[3]运动性跟腱断裂:原因、治疗与如何评价跟腱的力学特性及愈合程度[J]. 王玮. 中国组织工程研究. 2018(08)
[4]基于MEMS传感器的手臂运动测量和识别方法[J]. 王雪梅,刘震,倪文波. 中国惯性技术学报. 2017(06)
[5]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)
[6]美国运动损伤前沿研究热点与内容分析——基于科学知识图谱的可视化研究[J]. 邢聪,吴瑛,项贤林. 体育科学. 2016(09)
[7]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
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]基于深度学习的动作识别方法研究[D]. 韩敏捷.南京理工大学 2017
本文编号：3153659
【文章来源】：陕西师范大学陕西省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究的背景与意义
1.2 人体动作识别的研究现状
1.3 主要研究内容
1.4 本文的结构安排
第2章 基于物联网的动作监控系统设计与基础理论研究
2.1 系统方案设计
2.2 基础理论研究
2.2.1 MEMS惯性传感器的基本原理
2.2.2 SVM
2.2.3 多层感知机
2.2.4 卷积神经网络
2.2.5 长短期记忆网络
2.3 本章小结
第3章 基于机器学习的动作识别术研究
3.1 动作识别算法
3.1.1 基于SVM的动作识别
3.1.1.1 特征提取
3.1.1.2 特征选择
3.1.1.3 参数优化
3.1.2 基于深度学习的动作识别
3.1.2.1 数据预处理
3.1.2.2 网络结构
3.2 动作计数及周期计算方法
3.2.1 敏感轴选择
3.2.2 小波变换简介
3.2.3 动作计数及周期计算方法
3.3 本章小结
第4章 软硬件平台开发及实验验证
4.1 实验系统开发
4.1.1 数据采集节点硬件设计
4.1.1.1 电源模块
4.1.1.2 微控制器
4.1.1.3 通信模块
4.1.1.4 姿态传感器
4.1.1.5 数据采集节点硬件总体设计
4.1.2 通信调试上位机
4.1.3 动作监测系统软件设计
4.1.3.1 数据通信及动作启停检测
4.1.3.2 数据预处理
4.1.3.3 动作模式识别
4.1.3.4 动作计数及周期计算
4.1.3.5 用户界面
4.2 实验过程及结果分析
4.2.1 动作识别实验
4.2.2 动作计数及周期计算实验
4.3 本章小结
第5章 总结与展望
5.1 全文总结
5.2 后续工作展望
参考文献
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]大学生对运动损伤的认知调查与对策分析[J]. 何诗慧. 现代经济信息. 2018(24)
[2]脑卒中偏瘫患者下肢功能障碍的康复训练进展[J]. 邹玲,卢壮华. 按摩与康复医学. 2018(20)
[3]运动性跟腱断裂:原因、治疗与如何评价跟腱的力学特性及愈合程度[J]. 王玮. 中国组织工程研究. 2018(08)
[4]基于MEMS传感器的手臂运动测量和识别方法[J]. 王雪梅,刘震,倪文波. 中国惯性技术学报. 2017(06)
[5]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)
[6]美国运动损伤前沿研究热点与内容分析——基于科学知识图谱的可视化研究[J]. 邢聪,吴瑛,项贤林. 体育科学. 2016(09)
[7]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
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]基于深度学习的动作识别方法研究[D]. 韩敏捷.南京理工大学 2017
本文编号：3153659
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3153659.html
