隨著人口老齡化速度的加快和社會(huì)壓力的增加,出現(xiàn)肢體功能障礙疾病的患者也日益增多。運(yùn)動(dòng)療法作為一種傳統(tǒng)且高效的康復(fù)技術(shù),具有成本低且效果可靠的特點(diǎn)。然而現(xiàn)有的運(yùn)動(dòng)康復(fù)方法需要在專業(yè)的醫(yī)師指導(dǎo)下進(jìn)行,訓(xùn)練過程枯燥且乏味,患者往往難以長(zhǎng)期堅(jiān)持,導(dǎo)致很多患者難以得到最佳治療效果。本文針對(duì)上述問題,研究了在計(jì)算機(jī)程序輔助下的康復(fù)訓(xùn)練技術(shù),并針對(duì)康復(fù)訓(xùn)練中姿勢(shì)和動(dòng)作自動(dòng)識(shí)別問題進(jìn)行了深入研究,具體研究?jī)?nèi)容如下:首先,提出了基于規(guī)則學(xué)習(xí)的康復(fù)姿勢(shì)識(shí)別算法。定義了兩類特征描述人體姿勢(shì),結(jié)合Bagging算法和隨機(jī)子空間算法增加樣本及特征的多樣性,提高了子分類器對(duì)不同樣本的各自的分類優(yōu)勢(shì)。并使用基于規(guī)則學(xué)習(xí)的方法生成分類規(guī)則集,用于訓(xùn)練系統(tǒng)中作為區(qū)分不同康復(fù)姿勢(shì)的判別規(guī)則。設(shè)計(jì)了針對(duì)康復(fù)訓(xùn)練的姿勢(shì)數(shù)據(jù)集,并將其應(yīng)用于算法的驗(yàn)證及系統(tǒng)的實(shí)現(xiàn)中。然后,提出了基于多規(guī)則約束的動(dòng)作識(shí)別算法。針對(duì)Kinect獲得的動(dòng)作數(shù)據(jù),提出了多規(guī)則約束方法定位動(dòng)作,將連續(xù)動(dòng)作自動(dòng)劃分成短的多段動(dòng)作數(shù)據(jù);同時(shí)結(jié)合DTW（Dynamic Time Warping）算法對(duì)得到的分段動(dòng)作數(shù)據(jù)進(jìn)行分析,得到最終的匹配動(dòng)作標(biāo)簽,實(shí)現(xiàn)了動(dòng)... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 姿勢(shì)識(shí)別的國(guó)內(nèi)外現(xiàn)狀
        1.2.2 動(dòng)作識(shí)別的國(guó)內(nèi)外現(xiàn)狀
    1.3 本文研究?jī)?nèi)容及結(jié)構(gòu)安排
        1.3.1 問題提出
        1.3.2 研究?jī)?nèi)容
        1.3.3 內(nèi)容安排
第2章 康復(fù)姿勢(shì)及動(dòng)作數(shù)據(jù)采集
    2.1 多康復(fù)姿勢(shì)及動(dòng)作采集硬件平臺(tái)
        2.1.1 采集設(shè)備介紹
        2.1.2 Kinect空間坐標(biāo)系介紹
    2.2 數(shù)據(jù)采集軟件平臺(tái)
    2.3 數(shù)據(jù)采集流程
    2.4 自建數(shù)據(jù)集及公共數(shù)據(jù)集介紹
        2.4.1 自建康復(fù)姿勢(shì)及動(dòng)作數(shù)據(jù)集
        2.4.2 從公共動(dòng)作數(shù)據(jù)集獲取的康復(fù)姿勢(shì)數(shù)據(jù)集
        2.4.3 MSRC-12 動(dòng)作數(shù)據(jù)集
    2.5 本章小結(jié)
第3章 基于規(guī)則的康復(fù)姿勢(shì)識(shí)別算法
    3.1 引言
    3.2 特征提取
        3.2.1 角度特征提取
        3.2.2 距離特征提取
    3.3 姿勢(shì)識(shí)別
        3.3.1 基于Bagging的多樣本集選擇
        3.3.2 基于隨機(jī)子空間的特征子集選擇
        3.3.3 基于RIPPER規(guī)則學(xué)習(xí)姿勢(shì)識(shí)別算法
    3.4 實(shí)驗(yàn)參數(shù)設(shè)置及結(jié)果
        3.4.1 實(shí)驗(yàn)參數(shù)設(shè)置
        3.4.2 實(shí)驗(yàn)結(jié)果的對(duì)比分析
    3.5 本章小結(jié)
第4章 基于DTW的康復(fù)動(dòng)作識(shí)別算法
    4.1 引言
    4.2 動(dòng)作定位和自動(dòng)分段
        4.2.1 角度規(guī)則
        4.2.2 姿勢(shì)規(guī)則
    4.3 動(dòng)作識(shí)別
        4.3.1 動(dòng)作數(shù)據(jù)歸一化
        4.3.2 基于DTW的動(dòng)作識(shí)別算法
    4.4 實(shí)驗(yàn)結(jié)果
        4.4.1 MSRC-12 數(shù)據(jù)集
        4.4.2 自建康復(fù)動(dòng)作數(shù)據(jù)集
    4.5 本章小結(jié)
第5章 康復(fù)姿勢(shì)及動(dòng)作訓(xùn)練系統(tǒng)
    5.1 系統(tǒng)總體設(shè)計(jì)流程
    5.2 系統(tǒng)的需求分析
    5.3 康復(fù)系統(tǒng)的硬件組成
    5.4 康復(fù)系統(tǒng)的軟件開發(fā)平臺(tái)
    5.5 康復(fù)系統(tǒng)實(shí)現(xiàn)
        5.5.1 用戶管理及醫(yī)師處方界面
        5.5.2 康復(fù)姿勢(shì)和動(dòng)作訓(xùn)練界面
        5.5.3 訓(xùn)練評(píng)價(jià)模塊
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[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.  中國(guó)通信. 2016(08)
[2]基于虛擬現(xiàn)實(shí)的交互式上肢康復(fù)訓(xùn)練系統(tǒng)研究[J]. 雷毅,喻洪流,王露露,王振平.  生物醫(yī)學(xué)工程學(xué)進(jìn)展. 2015(01)
[3]基于Kinect的肩周炎康復(fù)訓(xùn)練動(dòng)作識(shí)別系統(tǒng)研究[J]. 湯翾,黃襄念,周杉.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2014(23)
[4]基于改進(jìn)樸素貝葉斯分類器的康復(fù)訓(xùn)練行為識(shí)別方法[J]. 張毅,黃聰,羅元.  計(jì)算機(jī)應(yīng)用. 2013(11)
[5]基于不變矩特征和神經(jīng)網(wǎng)絡(luò)的步態(tài)識(shí)別[J]. 謝林海,劉相濱.  微計(jì)算機(jī)信息. 2007(19)

博士論文
[1]基于sEMG信號(hào)的上肢自主康復(fù)訓(xùn)練動(dòng)作模式識(shí)別[D]. 陳彥釗.山東大學(xué) 2015

碩士論文
[1]基于Kinect的動(dòng)作評(píng)價(jià)方法研究[D]. 姜延豐.沈陽工業(yè)大學(xué) 2017
[2]基于kinect人體骨架模型的人體動(dòng)作識(shí)別研究[D]. 吳洪峰.上海師范大學(xué) 2016



本文編號(hào)：3032319