基于惯性传感器的篮球运动姿态识别
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-12页 |
| 1.1 研究背景及意义 | 第6-8页 |
| 1.1.1 姿态识别对篮球训练的意义 | 第6页 |
| 1.1.2 姿态识别方法 | 第6-7页 |
| 1.1.3 体域网对篮球训练的意义 | 第7-8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.2.1 篮球训练现状 | 第8-9页 |
| 1.2.2 人体姿态识别研究 | 第9-10页 |
| 1.2.3 篮球运动姿态识别 | 第10页 |
| 1.3 本文的研究内容 | 第10-11页 |
| 1.4 本文的结构安排 | 第11-12页 |
| 2 理论基础 | 第12-26页 |
| 2.1 姿态识别概述 | 第12页 |
| 2.2 数据采集 | 第12-14页 |
| 2.3 数据预处理 | 第14-15页 |
| 2.3.1 去噪 | 第14页 |
| 2.3.2 归一化 | 第14-15页 |
| 2.4 特征提取与选择 | 第15-16页 |
| 2.4.1 特征提取 | 第15-16页 |
| 2.4.2 特征选择 | 第16页 |
| 2.5 分类算法 | 第16-18页 |
| 2.6 姿态解算算法 | 第18-26页 |
| 2.6.1 四元数 | 第18-19页 |
| 2.6.2 卡尔曼滤波 | 第19-23页 |
| 2.6.3 扩展卡尔曼滤波 | 第23-26页 |
| 3 人体姿态识别方法 | 第26-32页 |
| 3.1 传感器信号采集 | 第26-29页 |
| 3.1.1 信号采集设备 | 第26-27页 |
| 3.1.2 信号传输方法 | 第27-28页 |
| 3.1.3 信号采集方案 | 第28-29页 |
| 3.2 基于扩展卡尔曼滤波的姿态识别 | 第29-32页 |
| 4 基于单元动作划分的篮球运动姿态的识别 | 第32-39页 |
| 4.1 篮球运动姿态定义 | 第32页 |
| 4.2 数据划分 | 第32-36页 |
| 4.2.1 运动状态划分 | 第33-35页 |
| 4.2.2 单元动作划分 | 第35-36页 |
| 4.3 篮球运动姿态特征提取 | 第36-38页 |
| 4.4 篮球运动姿态识别 | 第38-39页 |
| 5 传感器校准以及系统设计与实现 | 第39-47页 |
| 5.1 传感器校准 | 第39-41页 |
| 5.2 目标机软件 | 第41-43页 |
| 5.3 上位机软件 | 第43-47页 |
| 6 实验与结果分析 | 第47-53页 |
| 6.1 姿态解算精度测试 | 第47-48页 |
| 6.2 上位机软件测试 | 第48-49页 |
| 6.3 篮球运动姿态识别测试 | 第49-53页 |
| 6.3.1 实验设计 | 第49-51页 |
| 6.3.2 结果分析与讨论 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-61页 |
