基于加速度传感器的人体运动姿态识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-12页 |
| ·研究现状 | 第12-14页 |
| ·研究内容及创新点 | 第14-15页 |
| ·本文结构 | 第15-16页 |
| 第二章 人体运动姿态识别研究 | 第16-26页 |
| ·数据采集 | 第16-20页 |
| ·采集装置 | 第17页 |
| ·数据传输 | 第17-18页 |
| ·数据采集方案 | 第18-20页 |
| ·特征提取 | 第20-22页 |
| ·分类算法 | 第22-25页 |
| ·决策树 | 第22-23页 |
| ·k近邻 | 第23-24页 |
| ·支持向量机 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于改进随机森林的人体运动姿态识别 | 第26-37页 |
| ·改进随机森林算法 | 第26-30页 |
| ·随机森林 | 第26-27页 |
| ·蜜蜂交配优化 | 第27页 |
| ·蜜蜂交配优化随机森林算法 | 第27-30页 |
| ·人体运动姿态识别 | 第30页 |
| ·实验结果及分析 | 第30-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于曲线拟合与K近邻的人体运动姿态识别 | 第37-49页 |
| ·多项式最小二乘曲线拟合 | 第37-40页 |
| ·最小二乘法的基本原理 | 第37-38页 |
| ·多项式曲线拟合 | 第38-39页 |
| ·曲线相似度 | 第39页 |
| ·曲线拟合误差评价参数 | 第39-40页 |
| ·基于曲线相似度的k近邻算法 | 第40-41页 |
| ·实验结果及分析 | 第41-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 数据采集原型系统与数据分析 | 第49-58页 |
| ·硬件系统构成 | 第49-52页 |
| ·无线传输模块CC2430介绍 | 第50-51页 |
| ·加速度传感器MMA7260介绍 | 第51-52页 |
| ·采集系统软件 | 第52-55页 |
| ·底层软件 | 第52-53页 |
| ·上位机软件 | 第53-55页 |
| ·运动姿态 | 第55页 |
| ·加速度数据分析 | 第55-57页 |
| ·数据预处理 | 第55-56页 |
| ·特征提取 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·未来的工作 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录A (攻读硕士学位期间发表论文目录) | 第65页 |
