基于事件驱动的步态识别方法设计
发布时间：2021-12-31 06:24
随着普适计算和无线通信等技术的不断发展,体域网已广泛应用于体育训练、医疗诊断、社会保障等各个领域。在体域网研究领域中,人体步态识别已经成为一个热点,可以帮助计算机感知人体步态并理解相关含义,进而为游戏娱乐、医疗监测和运动辅助训练等具体的研究课题提供基础服务。目前的人体步态识别方法通常使用加速度计采集加速度数据,并使用滑动窗口技术分割数据,在此基础上从分割好的数据中提取特征以实现步态识别。这些步态识别方法存在一些不足:加速度数据易受重力加速度的影响,识别步态的种类较少,且无法识别人体转向的变化;滑动窗口技术难以基于不同步态的动作周期划分数据,需处理重复数据,计算量大,且实时性较低。本文所设计的基于事件驱动的步态识别方法弥补了以上不足:通过角速度数据和加速度数据结合识别步态行为,增加了可识别的步态种类,并且通过四元数来识别人体转向的变化;采用了一种基于事件驱动来分割数据的方法,通过寻找步态事件对应的关键特征来检测步态行为,并根据步态周期分割数据,不需要处理重复数据,计算量较小,实时性较高。该步态识别方法从分割好的数据中提取出19种波形特征和行为特征,从而识别步态行为。本文根据基于事件驱动的...
【文章来源】：大连理工大学辽宁省 211工程院校 985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
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的研究内容
1.4 本文的组织结构
2 理论基础和相关技术
2.1 步态识别算法介绍
2.1.1 数据采集
2.1.2 数据预处理
2.1.3 数据分段
2.1.4 特征提取
2.1.5 步态识别
2.2 DMP处理器和MPL函数库
2.3 四元数和欧拉角
2.4 FIR数字滤波器
3 需求分析
3.1 功能需求
3.2 性能需求
4 方法设计
4.1 总体结构
4.2 目标机
4.2.1 传感器节点
4.2.2 基站
4.3 无线通信协议
4.4 上位机数据处理方法
4.4.1 基于事件驱动的数据分割方法
4.4.2 特征提取方法
4.4.3 特征提取程序
4.5 上位机系统模块
4.5.1 数据接收
4.5.2 波形绘制
4.5.3 步态识别
5 方法实现
5.1 目标机
5.1.1 传感器节点
5.1.2 基站
5.2 无线通信协议
5.3 波形绘制
5.4 特征提取
5.5 步态识别
6 实验及分析
6.1 测试理论
6.2 数据采集
6.3 无线通信协议
6.4 波形绘制
6.5 特征提取
6.6 步态识别
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于无线体域网的人体日常行为检测方法[J]. 左静,刘晨,胡春玲,周伟绩,彭森. 工业控制计算机. 2019(01)
[2]基于MSP430的可穿戴式心率检测设备的研制[J]. 刘状,李鑫,霍旭阳. 医疗卫生装备. 2018(11)
[3]可穿戴设备在高校体育教学中的应用[J]. 谢佳辉,林萌,汪焱. 体育科学研究. 2018(01)
[4]基于多信号特征和D-S证据理论融合的下肢运动模式识别[J]. 陈伟,田一明,王喜太. 科技创新与应用. 2018(01)
[5]基于多特征融合的复杂路况步态识别方法[J]. 董广宇. 科学技术与工程. 2017(08)
[6]基于加速度传感器的人体运动行为识别研究[J]. 张洁. 自动化与仪器仪表. 2016(03)
[7]软件测试技术综述[J]. 高艳. 电子技术与软件工程. 2015(05)
[8]体域网中基于特征组合的步态行为识别[J]. 王凯,孙咏梅,张泓,武杨,纪越峰. 中国科学:信息科学. 2013(10)
[9]计算机软件测试技术的浅析[J]. 陶静. 通讯世界. 2013(09)
硕士论文
[1]智能终端人体步态特征识别关键技术研究与验证[D]. 田悦霖.电子科技大学 2018
[2]穿戴式下肢外骨骼的设计及研究[D]. 刘宏林.北京交通大学 2017
[3]基于智能手机传感器的Web体感交互研究与实现[D]. 蔡夕枫.华中科技大学 2017
[4]基于无线体域网的人体姿态识别算法研究[D]. 王璐.吉林大学 2016
[5]基于惯性传感器的PD患者运动功能评价的研究[D]. 乔子晏.东南大学 2016
[6]基于多特征融合的人体基本行为识别方法研究[D]. 薄思宇.西南大学 2014
[7]目标的视觉检测、分析与描述[D]. 赵杰.上海交通大学 2013
[8]基于陀螺仪传感器的一种人机交互技术[D]. 黄启友.湘潭大学 2011
本文编号：3559780
【文章来源】：大连理工大学辽宁省 211工程院校 985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
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的研究内容
1.4 本文的组织结构
2 理论基础和相关技术
2.1 步态识别算法介绍
2.1.1 数据采集
2.1.2 数据预处理
2.1.3 数据分段
2.1.4 特征提取
2.1.5 步态识别
2.2 DMP处理器和MPL函数库
2.3 四元数和欧拉角
2.4 FIR数字滤波器
3 需求分析
3.1 功能需求
3.2 性能需求
4 方法设计
4.1 总体结构
4.2 目标机
4.2.1 传感器节点
4.2.2 基站
4.3 无线通信协议
4.4 上位机数据处理方法
4.4.1 基于事件驱动的数据分割方法
4.4.2 特征提取方法
4.4.3 特征提取程序
4.5 上位机系统模块
4.5.1 数据接收
4.5.2 波形绘制
4.5.3 步态识别
5 方法实现
5.1 目标机
5.1.1 传感器节点
5.1.2 基站
5.2 无线通信协议
5.3 波形绘制
5.4 特征提取
5.5 步态识别
6 实验及分析
6.1 测试理论
6.2 数据采集
6.3 无线通信协议
6.4 波形绘制
6.5 特征提取
6.6 步态识别
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于无线体域网的人体日常行为检测方法[J]. 左静,刘晨,胡春玲,周伟绩,彭森. 工业控制计算机. 2019(01)
[2]基于MSP430的可穿戴式心率检测设备的研制[J]. 刘状,李鑫,霍旭阳. 医疗卫生装备. 2018(11)
[3]可穿戴设备在高校体育教学中的应用[J]. 谢佳辉,林萌,汪焱. 体育科学研究. 2018(01)
[4]基于多信号特征和D-S证据理论融合的下肢运动模式识别[J]. 陈伟,田一明,王喜太. 科技创新与应用. 2018(01)
[5]基于多特征融合的复杂路况步态识别方法[J]. 董广宇. 科学技术与工程. 2017(08)
[6]基于加速度传感器的人体运动行为识别研究[J]. 张洁. 自动化与仪器仪表. 2016(03)
[7]软件测试技术综述[J]. 高艳. 电子技术与软件工程. 2015(05)
[8]体域网中基于特征组合的步态行为识别[J]. 王凯,孙咏梅,张泓,武杨,纪越峰. 中国科学:信息科学. 2013(10)
[9]计算机软件测试技术的浅析[J]. 陶静. 通讯世界. 2013(09)
硕士论文
[1]智能终端人体步态特征识别关键技术研究与验证[D]. 田悦霖.电子科技大学 2018
[2]穿戴式下肢外骨骼的设计及研究[D]. 刘宏林.北京交通大学 2017
[3]基于智能手机传感器的Web体感交互研究与实现[D]. 蔡夕枫.华中科技大学 2017
[4]基于无线体域网的人体姿态识别算法研究[D]. 王璐.吉林大学 2016
[5]基于惯性传感器的PD患者运动功能评价的研究[D]. 乔子晏.东南大学 2016
[6]基于多特征融合的人体基本行为识别方法研究[D]. 薄思宇.西南大学 2014
[7]目标的视觉检测、分析与描述[D]. 赵杰.上海交通大学 2013
[8]基于陀螺仪传感器的一种人机交互技术[D]. 黄启友.湘潭大学 2011
本文编号：3559780
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3559780.html
