隨著可穿戴設(shè)備技術(shù)的發(fā)展,在運動環(huán)境下使用智能設(shè)備的情景變得愈加頻繁。智能手表是當前市場占有量最大的可穿戴設(shè)備,但人們?nèi)绾卧谶\動環(huán)境下與它進行交互,以及交互又會如何影響人們的運動行為,這一重要問題始終未能得到解決。本研究有三個目的:(1)探究運動環(huán)境下智能手表的何種信息呈現(xiàn)方式更適用;(2)探究運動狀態(tài)如何影響用戶與智能手表的交互操作;(3)探究交互行為如何對運動行為產(chǎn)生影響。本研究通過實驗方法進行探究,共分為三個階段:(1)基于對智能手表菜單結(jié)構(gòu)、布局及形式的研究,本文探究了菜單信息量和信息密度對用戶表現(xiàn)和感受的影響;(2)基于以上較全面的菜單設(shè)計研究成果,本文進一步探究了不同運動狀態(tài)下菜單導航界面呈現(xiàn)對用戶表現(xiàn)及感受的影響;(3)為更深入分析真實運動環(huán)境下進行智能手表基本交互操作的情況,本文基于步態(tài)研究對站立、慢走、正常走、快走、慢跑五種運動狀態(tài)與界面操作和手勢操作的影響進行探究。研究中共招募了15名老年人和51名年輕人被試。智能手表及手機端的原型均采用Android/Java開發(fā),以自動捕捉使用者的各類界面操作。關(guān)于菜單的信息量和信息密度的研究表明:智能手表上有越少的圖標總數(shù)量越好(例如:8圖標數(shù)量),此時每頁4或8圖標的信息密度較為適宜。如果圖標總數(shù)數(shù)量較大(例如:24、48個圖標)則信息密度可采用每頁4圖標的設(shè)計。關(guān)于運動狀態(tài)與導航界面呈現(xiàn)的研究表明:當被試完成日常任務時,行走中智能手表的使用與坐著使用是基本相同的。在跑步中使用智能手表會降低操作有效性、用戶感知易用性、感知可用性、和流體驗,同時會增加認知負荷。通過采用靜態(tài)導航輔助和動態(tài)導航輔助,可提升使用智能手表的表現(xiàn)。研究建議,在坐著或行走中采用靜態(tài)導航輔助的設(shè)計,而在跑動中采用動態(tài)導航輔助的設(shè)計。通過這兩種方式可以增加用戶的感知易用性、有用性,并降低認知負荷。關(guān)于運動狀態(tài)、步態(tài)和基本交互操作的研究表明:在快走、跑動情況下,用戶進行智能手表界面點擊操作的有效性和效率會大幅降低,錯誤率分別超過25%和36%。研究中提出了兩種克服點擊偏差的方式,一是根據(jù)用戶運動狀態(tài),采用點擊糾偏向量場,對點擊行為進行基于屏幕位置的糾偏;二是將重要的點擊分布在屏幕的“C”字區(qū)域,以減少點擊偏差的出現(xiàn)。關(guān)于翻腕手勢操作,跑動對其產(chǎn)生強烈的負面影響(失敗率超過65%)。結(jié)合用于識別該手勢的Google專利,本研究驗證了采用角度傳感器數(shù)據(jù)進行識別的可行性,此外或許可通過加入運動周期信號過濾模型來提高手勢識別率。關(guān)于步態(tài),與智能手表的交互操作導致快走和慢跑情況下的步長分別降低13%和17%,所有運動狀態(tài)下的步態(tài)對稱性均降低約65%。對于滑動操作、短時抬手操作、和長時抬手手勢操作,運動狀態(tài)的影響并不大。研究中也測量出了抬手手勢的時長(抬起手臂:0.58~0.66 s;放下手臂:0.74~1.13 s)和角度變化量(豎直方向:133~152度;左右方向:65~70度),以及翻腕手勢的時長(向前翻腕約0.61 s;向后回腕約0.66 s)和角度變化量(豎直方向約72度,左右方向約101度)。這些數(shù)據(jù)可為以后相關(guān)研究或設(shè)計提供參考。本文深化了智能手表交互設(shè)計及其運動適應性的研究。本研究使用的測量運動姿態(tài)的方式便攜性高、裝備輕便化,驗證了使用角度傳感器信號進行手勢識別的可能性,同時達到了一定精度。針對最為基礎(chǔ)的界面及手勢操作,本研究提出了改進方法和設(shè)計準則,這對克服運動環(huán)境下的智能手表使用有基礎(chǔ)且重要的作用。
【學位單位】：重慶大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP368.33
【部分圖文】：

圖 1.1 個步態(tài)階段Fig. 1.1 The eight gait phases注：步態(tài)周期圖引 于 www.streifeneder.com/op雖步態(tài)階段可對步態(tài)特征進行拓展，但由于傳感器數(shù)據(jù)容易受到噪音干擾，關(guān)于步態(tài)階段的研究多采用成本較高的實驗室設(shè)備進行，例如動作捕捉儀 Vicon。有研究嘗試采用人體腰部的加速度傳感器對步態(tài)階段進行分類。這是一種非常大膽且有價值的嘗試，但由于涉及到濾波進行噪音處理，以及階段過于細節(jié)的劃分，準確率還有待商榷。加速度傳感器數(shù)據(jù)對于步態(tài)階段的研究精度趨于偏低，主要在于加速度傳感器捕捉的是身體緩沖或者晃動的加速度數(shù)據(jù)。這一數(shù)據(jù)的意義不是足夠明確，例如當腳部觸地進行緩沖時，加速度在一段短時間內(nèi)發(fā)生波動，對于明確具體是哪一個時刻觸地的，比較困難。而通過人體步態(tài)階段發(fā)現(xiàn)，關(guān)于腿部的各個角度數(shù)據(jù)，相比于加速度是更明確的。角度數(shù)據(jù)更易捕捉，容易在信號中找到特征點，且與步態(tài)周期的各個定義更為相符。后文研究可對空間角度數(shù)據(jù)進行探究。

（LS）、II 型菜單結(jié)構(gòu)（TS-2H）、III 型菜單結(jié)構(gòu)（TS-3H）。因變量包括被試的交互績效、針對每個原型的卡片分類結(jié)果、每個原型的使用滿意度分數(shù)。圖1.2 正式實驗的三種菜單結(jié)構(gòu)Fig. 1.2 The three menus structures in the formal experiment實驗原型包括 4 個原型，分別為：測試教程原型、線型結(jié)構(gòu)原型、有概覽（每頁16功能）的樹型結(jié)構(gòu)原型、無概覽（每頁4功能）的樹型結(jié)構(gòu)原型。每個原型尺寸為 240x240px，原型中共有 16 個應用程序。三個實驗原型的主頁見圖1.3。

原型開始頁及三個正式測試原型的主頁Fig.1.3Thebeginningpageofthepyototypeandthethreemenuspagesofdifferentmenus
【相似文獻】

相關(guān)期刊論文 前10條

1 林輝;;六腿機器人的典型步態(tài)研究[J];南方農(nóng)機;2018年19期

2 嚴廣斌;;步態(tài)分析[J];中華關(guān)節(jié)外科雜志(電子版);2017年02期

3 吳希希;錢競光;康延琳;;步態(tài)分析技術(shù)在偏癱康復中的應用研究[J];南京體育學院學報(自然科學版);2016年03期

4 唐正榮;步態(tài)分析的方法[J];國外醫(yī)學(物理醫(yī)學與康復學分冊);1996年01期

5 趙吉鳳,劉永斌,趙輝三,張西琳,閆寧;步態(tài)分析數(shù)據(jù)收集方法與影響因素探討[J];中國康復;1995年04期

6 毛衣理;;電子計算機在步態(tài)分析中的應用[J];上海生物醫(yī)學工程通訊;1987年02期

7 陳亮;;游離(足母)趾移植病人術(shù)前術(shù)后步態(tài)分析[J];國外醫(yī)學.創(chuàng)傷與外科基本問題分冊;1987年04期

8 Hubbell SL ,金翊;利用步態(tài)檢驗室做液壓膝擺動態(tài)的精細調(diào)整[J];國外醫(yī)學(物理醫(yī)學與康復學分冊);1988年01期

9 馮文德;閔華琳;杜相枝;李玉雙;安克佳;何振杰;張鳳琴;;腰腿痛步態(tài)113例初探[J];中國康復醫(yī)學雜志;1988年02期

10 孫漢旭;張啟先;干東英;;四足步行機的全方位行走探討[J];光學機械;1989年01期

相關(guān)博士學位論文 前10條

1 馬勤勇;基于步態(tài)的身份識別研究[D];浙江大學;2008年

2 仇森;人體步態(tài)分析的多傳感器數(shù)據(jù)融合研究[D];大連理工大學;2016年

3 許勝強;帕金森病患者步態(tài)障礙定量評估及量化分級評估方法研究[D];中國科學技術(shù)大學;2017年

4 熊然;全膝關(guān)節(jié)置換術(shù)后三維步態(tài)分析與個性化多體動力學建模初步探索[D];第三軍醫(yī)大學;2017年

5 榮凱;偏癱型腦癱痙攣性下肢畸形治療的實驗研究[D];上海交通大學;2015年

6 付海燕;步態(tài)分析技術(shù)在膝骨性關(guān)節(jié)炎診斷及中醫(yī)康復治療中的應用[D];廣州中醫(yī)藥大學;2011年

7 潘化平;疏經(jīng)通督推拿法治療缺血性腦卒中恢復期患者的臨床研究[D];南京中醫(yī)藥大學;2012年

8 李晗;髕骨骨折和創(chuàng)傷性關(guān)節(jié)炎的基礎(chǔ)與臨床研究[D];河北醫(yī)科大學;2014年

9 劉蓉;人體運動信息獲取及物理活動識別研究[D];華中科技大學;2009年

10 范伯騫;液壓驅(qū)動下肢外骨骼機器人關(guān)鍵技術(shù)研究[D];浙江大學;2017年

相關(guān)碩士學位論文 前10條

1 朱希偉;復雜地形運動步態(tài)測試平臺的設(shè)計與研究[D];大連交通大學;2018年

2 孟凡剛;人體步態(tài)穩(wěn)定性的綜合力學模型構(gòu)建與研究[D];天津科技大學;2017年

3 劉暢;人體站姿平衡能力和步態(tài)穩(wěn)定性的相關(guān)性分析[D];天津科技大學;2017年

4 莫凡;智能手表交互設(shè)計及其運動適應性研究[D];重慶大學;2018年

5 陳欣;人體步態(tài)的分數(shù)階時間序列建模與預測[D];沈陽工業(yè)大學;2018年

6 楊志方;人體步態(tài)信息及運動重心軌跡檢測方法研究[D];河北大學;2018年

7 張圣卿;健康人群便攜式步態(tài)分析的研究[D];大連醫(yī)科大學;2018年

8 湯亞男;基于視覺傳感的步態(tài)檢測系統(tǒng)[D];哈爾濱理工大學;2018年

9 劉曉芳;特定視角下基于ViBe算法的人體步態(tài)分析[D];北京交通大學;2018年

10 閆勃勃;基于步態(tài)分析的人跡追蹤技術(shù)研究[D];華北電力大學;2018年

本文編號：2859590