基于动作识别的日常运动量检测系统的设计与实现

发布时间：2024-12-25 22:24

　　近几年,随着人民生活水平的提高,饮食结构的变化,越来越多的人受肥胖、心脑血管疾病等问题的困扰。这些问题出现的一个非常重要的因素是人体运动少导致体内能·量的消耗太少。因此,如何对日常运动中能量的消耗进行检测,并提出一些指导意见是一个非常重要的研究课题。由于智能手机中往往集成了一些传感器,且这类设备往往有强大的计算能力、网络通信能力,所以基于智能手机的人体日常运动量检测是近几年的一个研究热点。针对当前该类系统中存在的手机位置不固定导致的运动量检测不准确的问题,本文设计并开发了一种基于人体动作识别的日常运动量检测系统,主要研究内容如下。首先,研究了手机位置不固定情况下的人体动作识别方法,并提出了一种基于两层分类器的人体动作识别方法。该方法将动作识别过程分为两步,第一步对易分类样本进行分类,第二步对易混淆样本进行分类。实验结果表明该方法可有效提高手机位置不固定情况下的动作识别率。其次,使用MVP(Model-View-Presenter)设计模式对运动量检测系统进行了架构。系统将与界面相关的类抽象成View模块,与功能实现相关的类抽象成Model模块,两个模块之间通过Present模块进行连接。...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图２．１?Ａｎｄｒｏｉｄ系统的体系架构??内核层为开源操作系统Ｌｉｎｕｘ的内核部分，该部分在Ｌｉｎｕｘ内核的基础之上修改得??至ｌｊ

图２．１?Ａｎｄｒｏｉｄ系统的体系架构??内核层为开源操作系统Ｌｉｎｕｘ的内核部分，该部分在Ｌｉｎｕｘ内核的基础之上修改至ｌｊ。Ｌｉｎｕｘ之于Ａｎｄｒｏｉｄ最大的价值，便是其强大的可移植性。由于Ｌｉｎｕｘ可以运行在??不同厂商不同架构的硬件环境下，所以以它为基础的Ａｎｄｒｏｉｄ系....

图２．２机器学习的一般流程??

??机器学习从字面意思来理解即让机器有能力学习人类的知识，并为人类所使用。其??研究过程可用图２．２表示。??学习?指导??＾＾?—??图２．２机器学习的一般流程??在这个流程中，首先需要人类对提供包含知识、规律的数据；然后计算机按照特定??的方式分析、发现数据中蕴含的规律及知识....

图３．１手机位置不同时，走路动作的加速度波形??从图３．１中可以看出，对于同样的动作手机位于不同位置时，加速度传感器采集到??的原始加速度数据有明显的不同

（Ａ手机位于胸部口袋??图３．１手机位置不同时，走路动作的加速度波形??从图３．１中可以看出，对于同样的动作手机位于不同位置时，加速度传感器采集到??的原始加速度数据有明显的不同。其中，手机拿在手中时，波动较为明显，其它三个位??置的加速度数据波动相对平缓。在当前基于有监督学习的....

图３．４数据采集过程中手机放置的位置??根据运动量估测系统的需求，我们采集的动作包括跑步、上楼、下楼、静止和走路??

＞?１??Ｃ结束）??图３．３动作的在线识别??如图３．３所示，动作在线识别的第一步为采集待分类动作的加速度数据并提取特征，??从而得到待分类的样本＆。提取特征的方法与分类器离线训练阶段相同。在分类过程中，??首先使用ｑ对该样本进行分类。该过程可以将大部分易于分类的动作识别正确，....

本文编号：4020096