基于动作识别的日常运动量检测系统的设计与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9页 |
| 1.2 相关研究 | 第9-12页 |
| 1.2.1 运动量估计相关研究 | 第9-11页 |
| 1.2.2 动作识别的相关研究 | 第11-12页 |
| 1.3 研究动机 | 第12-15页 |
| 1.3.1 基于智能手机的运动量评估的优势 | 第13-14页 |
| 1.3.2 智能手机运动量评估面临的挑战 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15页 |
| 1.5 本文文章组织结构 | 第15-17页 |
| 2 相关理论与技术综述 | 第17-22页 |
| 2.1 Android系统概述 | 第17-19页 |
| 2.2 机器学习及分类算法概述 | 第19-20页 |
| 2.3 不同动作的能量消耗 | 第20-21页 |
| 2.4 本章小节 | 第21-22页 |
| 3 基于两层分类器的手机位置不固定的人体动作识别 | 第22-33页 |
| 3.1 问题引入 | 第22-23页 |
| 3.2 相关研究 | 第23-24页 |
| 3.3 动作识别方法 | 第24-28页 |
| 3.3.1 方法提出的动机 | 第24页 |
| 3.3.2 特征提取 | 第24-26页 |
| 3.3.3 分类器训练 | 第26-28页 |
| 3.3.4 动作实时识别 | 第28页 |
| 3.4 实验验证 | 第28-32页 |
| 3.4.1 Matlab仿真工具概述 | 第28-29页 |
| 3.4.2 实验设计 | 第29-30页 |
| 3.4.3 实验结果对比 | 第30-31页 |
| 3.4.4 可信度阈值的影响 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 基于MVP设计模式的系统架构 | 第33-42页 |
| 4.1 系统需求分析 | 第33-35页 |
| 4.2 系统体系架构 | 第35-37页 |
| 4.3 基于MVP设计模式的类划分 | 第37-41页 |
| 4.4 本章小结 | 第41-42页 |
| 5 系统关键模块的实现 | 第42-56页 |
| 5.1 数据操作模块 | 第42-45页 |
| 5.1.1 数据表的设计 | 第42-44页 |
| 5.1.2 数据操作的实现 | 第44-45页 |
| 5.2 动作识别模块 | 第45-50页 |
| 5.2.1 核心类的设计 | 第45-48页 |
| 5.2.2 核心功能的实现 | 第48-50页 |
| 5.3 运动量估测模块 | 第50-52页 |
| 5.3.1 核心类的设计 | 第50-51页 |
| 5.3.2 核心功能的实现流程 | 第51-52页 |
| 5.4 朋友圈分享模块 | 第52-55页 |
| 5.4.1 开放平台简介 | 第52-53页 |
| 5.4.2 微信开放平台接入 | 第53页 |
| 5.4.3 图片分享的实现 | 第53-55页 |
| 5.5 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56-57页 |
| 6.2 研究展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
