学位论文 > 优秀研究生学位论文题录展示

基于加速度信息的上肢动作识别系统设计及动作质量评价方法的研究

作　者: 王昌喜
导　师: 孙怡宁
学　校: 中国科学技术大学
专　业: 检测技术与自动化装置
关键词: 人机交互 三维加速度传感器 小波变换 蚁群算法 支持向量机 主成份分析 上肢动作质量评价
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 210次
引　用: 3次
阅　读: 论文下载
 

内容摘要


随着传感技术、模式识别技术的发展,人机交互技术现在正由传统的人适应计算机的交互方式发展成为计算机适应人的交互方式。这种新的交互方式虽然还没有实现真正意义上的“以人为中心”的交互方式,但是在虚拟现实中早已崭露头角,特别是在游戏市场上获得了巨大的商业成功。基于这种新型交互方式的游戏所应用的传感器捕捉的信息可以是表面肌点信号、音频信号、图像或者加速度信号的一种或者几种,其中基于加速度信息的游戏产品在商业上无疑是最成功的。但是基于加速度信息的游戏产品的一些缺陷严重影响了玩家的兴趣,例如在日本的“Wii Sports”游戏中,玩家只简单地做抖动动作而游戏内容却显示大力挥拍的动作;国内的乐乐健、京仕敦Vii等游戏由于技术上的原因都无法真实地对玩家的动作进行识别。为了解决这些问题,本文从人体运动模型出发提出新的加速度信息获取方案,并利用已获取的加速度信息对乒乓球的正抽、反抽和扣杀三种动作进行识别,本文还对上肢动作质量评价方法作了有益的探索。本文的主要工作如下:1、分析人体运动模型,提出了新的上肢信息获取方案。该方案采用两个三维加速度传感器,分别固定位置放置在上肢的前臂和后臂上,利用加速度信息获取系统能有效的获得上肢在运动过程中的加速度信息。2、针对乒乓球常见的三种动作建立具有泛化能力的支持向量机模型。主要步骤是将加速度信号进行预处理,提取动作的有效信号,通过归一化处理得到6路长度一致的加速度信号,用小波变换对信号进行特征提取,再利用蚁群算法进行特征选择得到分类能力最强的特征向量,最后根据特征向量建立支持向量机模型。3、利用主成份分析法对上肢动作质量评价进行研究,提取了两个影响动作质量的主成份。针对6路加速度信号提取39个物理指标,对这些指标进行标准化处理,利用公共因子的特征值和方差确定2个主成份,通过对主成份的分析得到爆发力和耐力两个主成份是本系统中评价上肢动作质量的主要指标。

全文目录


摘要  4-5
ABSTRACT  5-7
目录  7-9
第一章 绪论  9-18
  1.1 引言  9-10
  1.2 动作识别的分类  10-13
  1.3 国内外研究现状  13-14
  1.4 动作识别的主要方法  14-16
    1.4.1 隐马尔可夫模型  14-15
    1.4.2 动态贝叶斯网络  15
    1.4.3 基于模板的方法  15-16
  1.5 本课题的研究意义及研究内容  16-18
    1.5.1 本课题的研究意义  16
    1.5.2 本课题的研究内容  16-18
第二章 信号采集系统的设计  18-24
  2.1 信号采集方案设计  18-21
    2.1.1 人体运动模型分析  18-20
    2.1.2 上肢动作识别系统的数据采集实验设计  20-21
  2.2 采集系统的硬件设计  21-22
    2.2.1 硬件系统设计指标  21
    2.2.2 硬件系统设计  21-22
  2.3 采集系统的软件设计  22-23
  2.4 本章小结  23-24
第三章 上肢动作识别系统的算法实现  24-42
  3.1 加速度信号预处理  24-30
    3.1.1 滤波  24-26
    3.1.2 动作终始点判别  26-30
    3.1.3 归一化  30
  3.2 特征提取  30-33
    3.2.1 小波变换介绍  31-32
    3.2.2 基于小波变换的特征提取  32-33
  3.3 特征选择  33-39
    3.3.1 特征选择及其方法  33
    3.3.2 蚁群算法及其理论介绍  33-36
    3.3.3 基于蚁群算法的特征选择  36-39
  3.4 分类器设计及分类结果分析  39-41
    3.4.1 支持向量机介绍  39-40
    3.4.2 分类器设计  40
    3.4.3 分类结果  40-41
  3.5 本章小结  41-42
第四章 动作质量评价方法的研究  42-50
  4.1 主成份分析法  42-43
    4.1.1 主成分分析介绍  42-43
    4.1.2 主成分分析的数学模型  43
  4.2 加速度信号的物理指标  43-44
  4.3 综合性评价指标提取  44-49
  4.4 本章小结  49-50
第五章 总结与展望  50-52
  5.1 总结  50
  5.2 展望  50-52
附录  52-58
参考文献  58-62
致谢  62-63
在读期间发表的学术论文与取得的研究成果  63

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
  3. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  4. 基于蚁群算法的电梯群优化控制研究,TU857
  5. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  6. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  7. 音乐结构自动分析研究,TN912.3
  8. 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
  9. 图像的稀疏表示及编码模型研究,TP391.41
  10. 唇读中的特征提取、选择与融合,TP391.41
  11. 动态环境下移动对象导航系统相关技术的研究,TP301.6
  12. 基于改进蚁群算法的机器人路径规划研究,TP242
  13. 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
  14. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  15. 数字电视互动应用交互系统设计与实现,TP311.52
  16. 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
  17. 液冷源控制系统的研制,TP273
  18. 全新的交互体验,TP11
  19. 基于视频的人机交互方式研究,TP391.41
  20. 红外遥控检测系统,TP872
  21. 面向文本分类的改进K近邻的支持向量机算法研究,TP391.1

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com