當前時代是人工智能高速發(fā)展的時代,人機交互技術(shù)也隨著人工智能技術(shù)的發(fā)展,已經(jīng)進入白熱化階段,而動作捕捉技術(shù)作為人與計算機自然的、多模態(tài)的交互技術(shù)的一個重要分支,在近幾年發(fā)展迅速。本文結(jié)合慣性傳感器,設(shè)計并實現(xiàn)了一種基于骨骼點姿態(tài)信息對人體運動進行識別的系統(tǒng)。該系統(tǒng)通過采集位于人體主要骨骼點的傳感器數(shù)據(jù),通過多藍牙配對傳輸?shù)姆绞絺鬏數(shù)缴衔粰C,利用支持向量機對人體運動進行分類,實現(xiàn)對一般人體運動的識別。該系統(tǒng)輕巧便捷,使用方便,對環(huán)境適應(yīng)性強,且成本較低。在本文中,首先調(diào)研了國內(nèi)外研究學(xué)者對人體運動分析與識別技術(shù)的相關(guān)工作,然后,介紹本系統(tǒng)在設(shè)計過程中涉及到的相關(guān)知識和基礎(chǔ)理論,并由此設(shè)計實現(xiàn)了一種基于人體骨骼點姿態(tài)信息的運動識別系統(tǒng),針對不同功能模塊的設(shè)計需求和特點進行了詳細的研究。首先,針對本系統(tǒng)多節(jié)點、實時性、動態(tài)性、識別方便的特點,根據(jù)姿態(tài)傳感器解算理論、校準技術(shù)、傳感器組網(wǎng)技術(shù)等,確定了以MPU6050和藍牙無線傳輸為主體的硬件實驗平臺。其次,根據(jù)人體運動姿態(tài)特點,在低成本的前提下,結(jié)合實驗環(huán)境,設(shè)計了合理的數(shù)據(jù)采集方案,并使用該方案采集人體運動姿態(tài)信息,構(gòu)建人體骨骼點姿態(tài)信息的運...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 系統(tǒng)設(shè)計背景
    1.2 人體運動采集技術(shù)國內(nèi)外研究現(xiàn)狀
    1.3 研究目的及內(nèi)容
    1.4 本論文的結(jié)構(gòu)安排
2 系統(tǒng)基礎(chǔ)理論研究與方案設(shè)計
    2.1 系統(tǒng)基礎(chǔ)理論研究
        2.1.1 人體運動建模分析
        2.1.2 歐拉角和方向余弦矩陣
        2.1.3 四元數(shù)理論
        2.1.4 卡爾曼濾波理論
        2.1.5 互補濾波算法
        2.1.6 傳感器組網(wǎng)方式的介紹
    2.2 系統(tǒng)方案設(shè)計
        2.2.1 骨骼點姿態(tài)數(shù)據(jù)采集節(jié)點
        2.2.2 數(shù)據(jù)濾波和姿態(tài)角解算模塊
        2.2.3 通信模塊
        2.2.4 人體運動數(shù)據(jù)集
        2.2.5 人體運動信息采集模塊
        2.2.6 人體運動識別模塊
    2.3 本章小結(jié)
3 數(shù)據(jù)采集子系統(tǒng)的設(shè)計與實現(xiàn)
    3.1 數(shù)據(jù)采集基本方案
        3.1.1 數(shù)據(jù)采集節(jié)點位置
        3.1.2 節(jié)點數(shù)據(jù)總體采集方案
    3.2 采集節(jié)點硬件設(shè)計
        3.2.1 電源模塊
        3.2.2 數(shù)據(jù)采集控制器
        3.2.3 數(shù)據(jù)采集通信模塊
        3.2.4 數(shù)據(jù)采集傳感器
        3.2.5 數(shù)據(jù)采集節(jié)點總體硬件設(shè)計
    3.3 數(shù)據(jù)采集上位機設(shè)計
        3.3.1 上位機界面設(shè)計
        3.3.2 上位機串口通信
    3.4 采集節(jié)點數(shù)據(jù)分析
        3.4.1 陀螺儀數(shù)據(jù)分析與預(yù)處理
        3.4.2 加速度計數(shù)據(jù)分析與預(yù)處理
    3.5 傳感器數(shù)據(jù)可視化分析
        3.5.1 靜態(tài)動作與動態(tài)動作對比
        3.5.2 靜態(tài)動作的可視化對比
        3.5.3 動態(tài)動作的可視化對比
    3.6 本章小結(jié)
4 人體運動狀態(tài)識別算法的設(shè)計
    4.1 引言
    4.2 人體運動識別算法介紹
        4.2.1 Logistic回歸算法
        4.2.2 支持向量機算法
        4.2.3 k-近鄰算法
        4.2.4 極限學(xué)習(xí)機算法
        4.2.5 多層感知機算法
    4.3 實驗結(jié)果與分析
        4.3.1 基于Logistic回歸算法的識別效果
        4.3.2 基于支持向量機的識別效果
        4.3.3 基于k-近鄰算法的識別效果
        4.3.4 基于極限學(xué)習(xí)機的識別效果
        4.3.5 基于多層感知機的識別效果
        4.3.6 實驗結(jié)果總體分析
    4.4 基于骨骼點的人體運動識別系統(tǒng)的實現(xiàn)與展示
    4.5 本章小結(jié)
5 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
參考文獻
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號：4045457