基于多规则学习的康复姿势及动作识别算法研究

发布时间：2021-02-13 17:20

　　随着人口老龄化速度的加快和社会压力的增加,出现肢体功能障碍疾病的患者也日益增多。运动疗法作为一种传统且高效的康复技术,具有成本低且效果可靠的特点。然而现有的运动康复方法需要在专业的医师指导下进行,训练过程枯燥且乏味,患者往往难以长期坚持,导致很多患者难以得到最佳治疗效果。本文针对上述问题,研究了在计算机程序辅助下的康复训练技术,并针对康复训练中姿势和动作自动识别问题进行了深入研究,具体研究内容如下:首先,提出了基于规则学习的康复姿势识别算法。定义了两类特征描述人体姿势,结合Bagging算法和随机子空间算法增加样本及特征的多样性,提高了子分类器对不同样本的各自的分类优势。并使用基于规则学习的方法生成分类规则集,用于训练系统中作为区分不同康复姿势的判别规则。设计了针对康复训练的姿势数据集,并将其应用于算法的验证及系统的实现中。然后,提出了基于多规则约束的动作识别算法。针对Kinect获得的动作数据,提出了多规则约束方法定位动作,将连续动作自动划分成短的多段动作数据;同时结合DTW（Dynamic Time Warping）算法对得到的分段动作数据进行分析,得到最终的匹配动作标签,实现了动... 

【文章来源】：燕山大学河北省

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 姿势识别的国内外现状
        1.2.2 动作识别的国内外现状
    1.3 本文研究内容及结构安排
        1.3.1 问题提出
        1.3.2 研究内容
        1.3.3 内容安排
第2章 康复姿势及动作数据采集
    2.1 多康复姿势及动作采集硬件平台
        2.1.1 采集设备介绍
        2.1.2 Kinect空间坐标系介绍
    2.2 数据采集软件平台
    2.3 数据采集流程
    2.4 自建数据集及公共数据集介绍
        2.4.1 自建康复姿势及动作数据集
        2.4.2 从公共动作数据集获取的康复姿势数据集
        2.4.3 MSRC-12 动作数据集
    2.5 本章小结
第3章 基于规则的康复姿势识别算法
    3.1 引言
    3.2 特征提取
        3.2.1 角度特征提取
        3.2.2 距离特征提取
    3.3 姿势识别
        3.3.1 基于Bagging的多样本集选择
        3.3.2 基于随机子空间的特征子集选择
        3.3.3 基于RIPPER规则学习姿势识别算法
    3.4 实验参数设置及结果
        3.4.1 实验参数设置
        3.4.2 实验结果的对比分析
    3.5 本章小结
第4章 基于DTW的康复动作识别算法
    4.1 引言
    4.2 动作定位和自动分段
        4.2.1 角度规则
        4.2.2 姿势规则
    4.3 动作识别
        4.3.1 动作数据归一化
        4.3.2 基于DTW的动作识别算法
    4.4 实验结果
        4.4.1 MSRC-12 数据集
        4.4.2 自建康复动作数据集
    4.5 本章小结
第5章 康复姿势及动作训练系统
    5.1 系统总体设计流程
    5.2 系统的需求分析
    5.3 康复系统的硬件组成
    5.4 康复系统的软件开发平台
    5.5 康复系统实现
        5.5.1 用户管理及医师处方界面
        5.5.2 康复姿势和动作训练界面
        5.5.3 训练评价模块
    5.6 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]A Human Body Posture Recognition Algorithm Based on BP Neural Network for Wireless Body Area Networks[J]. Fengye Hu,Lu Wang,Shanshan Wang,Xiaolan Liu,Gengxin He.  中国通信. 2016(08)
[2]基于虚拟现实的交互式上肢康复训练系统研究[J]. 雷毅,喻洪流,王露露,王振平.  生物医学工程学进展. 2015(01)
[3]基于Kinect的肩周炎康复训练动作识别系统研究[J]. 汤翾,黄襄念,周杉.  现代计算机(专业版). 2014(23)
[4]基于改进朴素贝叶斯分类器的康复训练行为识别方法[J]. 张毅,黄聪,罗元.  计算机应用. 2013(11)
[5]基于不变矩特征和神经网络的步态识别[J]. 谢林海,刘相滨.  微计算机信息. 2007(19)

博士论文
[1]基于sEMG信号的上肢自主康复训练动作模式识别[D]. 陈彦钊.山东大学 2015

硕士论文
[1]基于Kinect的动作评价方法研究[D]. 姜延丰.沈阳工业大学 2017
[2]基于kinect人体骨架模型的人体动作识别研究[D]. 吴洪峰.上海师范大学 2016



本文编号：3032319