隨著普適計算和無線通信等技術的不斷發(fā)展,體域網(wǎng)已廣泛應用于體育訓練、醫(yī)療診斷、社會保障等各個領域。在體域網(wǎng)研究領域中,人體步態(tài)識別已經(jīng)成為一個熱點,可以幫助計算機感知人體步態(tài)并理解相關含義,進而為游戲娛樂、醫(yī)療監(jiān)測和運動輔助訓練等具體的研究課題提供基礎服務。目前的人體步態(tài)識別方法通常使用加速度計采集加速度數(shù)據(jù),并使用滑動窗口技術分割數(shù)據(jù),在此基礎上從分割好的數(shù)據(jù)中提取特征以實現(xiàn)步態(tài)識別。這些步態(tài)識別方法存在一些不足:加速度數(shù)據(jù)易受重力加速度的影響,識別步態(tài)的種類較少,且無法識別人體轉(zhuǎn)向的變化;滑動窗口技術難以基于不同步態(tài)的動作周期劃分數(shù)據(jù),需處理重復數(shù)據(jù),計算量大,且實時性較低。本文所設計的基于事件驅(qū)動的步態(tài)識別方法彌補了以上不足:通過角速度數(shù)據(jù)和加速度數(shù)據(jù)結合識別步態(tài)行為,增加了可識別的步態(tài)種類,并且通過四元數(shù)來識別人體轉(zhuǎn)向的變化;采用了一種基于事件驅(qū)動來分割數(shù)據(jù)的方法,通過尋找步態(tài)事件對應的關鍵特征來檢測步態(tài)行為,并根據(jù)步態(tài)周期分割數(shù)據(jù),不需要處理重復數(shù)據(jù),計算量較小,實時性較高。該步態(tài)識別方法從分割好的數(shù)據(jù)中提取出19種波形特征和行為特征,從而識別步態(tài)行為。本文根據(jù)基于事件驅(qū)動的... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的研究內(nèi)容
    1.4 本文的組織結構
2 理論基礎和相關技術
    2.1 步態(tài)識別算法介紹
        2.1.1 數(shù)據(jù)采集
        2.1.2 數(shù)據(jù)預處理
        2.1.3 數(shù)據(jù)分段
        2.1.4 特征提取
        2.1.5 步態(tài)識別
    2.2 DMP處理器和MPL函數(shù)庫
    2.3 四元數(shù)和歐拉角
    2.4 FIR數(shù)字濾波器
3 需求分析
    3.1 功能需求
    3.2 性能需求
4 方法設計
    4.1 總體結構
    4.2 目標機
        4.2.1 傳感器節(jié)點
        4.2.2 基站
    4.3 無線通信協(xié)議
    4.4 上位機數(shù)據(jù)處理方法
        4.4.1 基于事件驅(qū)動的數(shù)據(jù)分割方法
        4.4.2 特征提取方法
        4.4.3 特征提取程序
    4.5 上位機系統(tǒng)模塊
        4.5.1 數(shù)據(jù)接收
        4.5.2 波形繪制
        4.5.3 步態(tài)識別
5 方法實現(xiàn)
    5.1 目標機
        5.1.1 傳感器節(jié)點
        5.1.2 基站
    5.2 無線通信協(xié)議
    5.3 波形繪制
    5.4 特征提取
    5.5 步態(tài)識別
6 實驗及分析
    6.1 測試理論
    6.2 數(shù)據(jù)采集
    6.3 無線通信協(xié)議
    6.4 波形繪制
    6.5 特征提取
    6.6 步態(tài)識別
結論
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于無線體域網(wǎng)的人體日常行為檢測方法[J]. 左靜,劉晨,胡春玲,周偉績,彭森.  工業(yè)控制計算機. 2019(01)
[2]基于MSP430的可穿戴式心率檢測設備的研制[J]. 劉狀,李鑫,霍旭陽.  醫(yī)療衛(wèi)生裝備. 2018(11)
[3]可穿戴設備在高校體育教學中的應用[J]. 謝佳輝,林萌,汪焱.  體育科學研究. 2018(01)
[4]基于多信號特征和D-S證據(jù)理論融合的下肢運動模式識別[J]. 陳偉,田一明,王喜太.  科技創(chuàng)新與應用. 2018(01)
[5]基于多特征融合的復雜路況步態(tài)識別方法[J]. 董廣宇.  科學技術與工程. 2017(08)
[6]基于加速度傳感器的人體運動行為識別研究[J]. 張潔.  自動化與儀器儀表. 2016(03)
[7]軟件測試技術綜述[J]. 高艷.  電子技術與軟件工程. 2015(05)
[8]體域網(wǎng)中基于特征組合的步態(tài)行為識別[J]. 王凱,孫詠梅,張泓,武楊,紀越峰.  中國科學:信息科學. 2013(10)
[9]計算機軟件測試技術的淺析[J]. 陶靜.  通訊世界. 2013(09)

碩士論文
[1]智能終端人體步態(tài)特征識別關鍵技術研究與驗證[D]. 田悅霖.電子科技大學 2018
[2]穿戴式下肢外骨骼的設計及研究[D]. 劉宏林.北京交通大學 2017
[3]基于智能手機傳感器的Web體感交互研究與實現(xiàn)[D]. 蔡夕楓.華中科技大學 2017
[4]基于無線體域網(wǎng)的人體姿態(tài)識別算法研究[D]. 王璐.吉林大學 2016
[5]基于慣性傳感器的PD患者運動功能評價的研究[D]. 喬子晏.東南大學 2016
[6]基于多特征融合的人體基本行為識別方法研究[D]. 薄思宇.西南大學 2014
[7]目標的視覺檢測、分析與描述[D]. 趙杰.上海交通大學 2013
[8]基于陀螺儀傳感器的一種人機交互技術[D]. 黃啟友.湘潭大學 2011



本文編號：3559780