基于LSTM循环神经网络算法的人体运动识别信息处理系统的研究、设计与实现

发布时间：2024-03-14 05:51

　　近些年,随着体育可穿戴智能设备的流行,人体运动的数据的获取变得不再困难,并催生出一系列跑步健身软件,引领了全民的跑步浪潮,对体育行业的快速发展起到了较大的推进作用。但大量的运动数据并未得到深度的挖掘,对其价值造成了巨大的浪费。为了使体育智能设备搜集到的数据能够更好地服务于体育爱好者,从而更有效地提高体育行业的信息化程度,本文选择人体运动识别信息处理系统的设计与实现作为主要研究的内容。通过梳理以往有关体育可穿戴智能的人体运动识别信息处理系统相关研究成果,本文提出了三层人体运动识别信息处理系统的体系结构,包括数据采集层、数据计算层和数据应用层。在数据计算层中,区别于传统的分类算法,本文提出了一种基于LSTM(Long Short-Term Memory)循环神经网络算法的分类器。作为深度学习算法的一种,LSTM具有善于擅长处理前后间隔较长且相互关联的数据和自动学习数据中特征的特点,解决了传统识别方法中存在的需要手工从数据中提取运动特征的缺陷,可以使得整个系统的结构得以精简且识别效率变得更高。本文的研究主要解决了以下问题:(1)在现有人体运动识别信息处理系统研究的基础上,提出了一种包含数据采...

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图1-1识别流程

图1-1识别流程综上所述，可以认为人体运动识别本质是利用传感器等设备采集来的人体运动数据进行相关处理，使用利用数据挖掘等技术手段对运动者所进行的运动进行分类。

图1-2人体运动识别影响因素

图1-2人体运动识别影响因素国外研究者在进行研究时非常注重整个识别过程的能耗，往往选择设计在通传感器端进行数据的处理与识别。Choi（2016）等设计了一个高效节能的识统，专注于通过在传感器平台上操纵实时加速度数据来最小化用于无线数据

图1-3主要研究内容

图1-3主要研究内容1.4.2研究思路为了有效挖掘体育可穿戴设备收集的人体运动数据的价值，本文针对人体运动识别信息处理系统展开研究，并探索基于LSTM循环神经网路算法的人体运动识别信息处理系统。首先，对国内外有关LSTM循环神经网路算法和人体运动识

图2-1系统体系架构

12图2-1系统体系架构2.1.1数据采集层

本文编号：3928152