基于体感识别的智能运动训练系统
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 研究现状 | 第11-13页 |
| 1.2.2 应用现状 | 第13-15页 |
| 1.3 主要研究内容与创新点 | 第15-16页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 本文主要创新点 | 第16页 |
| 1.4 本文的组织结构安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 体感技术相关研究 | 第18-26页 |
| 2.1 体感技术概述 | 第18页 |
| 2.2 体感技术原理与技术演进 | 第18-20页 |
| 2.2.2 惯性感测体感技术 | 第19页 |
| 2.2.3 光学感测体感技术 | 第19-20页 |
| 2.2.4 惯性及光学联合感测 | 第20页 |
| 2.2.5 其他体感技术 | 第20页 |
| 2.3 KinectV2体感设备 | 第20-25页 |
| 2.3.1 体感设备比对 | 第20-21页 |
| 2.3.2 KinectV2硬件组成及架构 | 第21-23页 |
| 2.3.3 Kinect深度测量原理 | 第23-24页 |
| 2.3.4 KinectV2骨骼识别原理 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 运动识别算法与实现 | 第26-43页 |
| 3.1 运动识别算法需求分析 | 第26-27页 |
| 3.2 骨骼数据滤波 | 第27-31页 |
| 3.3 基于骨骼空间特征的有限状态机 | 第31-35页 |
| 3.3.1 骨骼空间特征提取 | 第31-34页 |
| 3.3.2 有限状态机 | 第34-35页 |
| 3.4 DTW(动态时间规整) | 第35-38页 |
| 3.5 系统运动识别算法的实现 | 第38-42页 |
| 3.5.1 运动识别算法流程 | 第38-39页 |
| 3.5.2 运动识别算法的实现 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 运动训练系统设计与实现 | 第43-60页 |
| 4.1 系统的总体设计与开发环境 | 第43-46页 |
| 4.1.1 系统的设计需求分析 | 第43页 |
| 4.1.2 系统硬件设计 | 第43-45页 |
| 4.1.3 系统软件设计 | 第45页 |
| 4.1.4 开发环境 | 第45-46页 |
| 4.2 运动识别功能的实现 | 第46-54页 |
| 4.2.1 引体向上功能实现 | 第46-48页 |
| 4.2.2 深蹲功能实现 | 第48-50页 |
| 4.2.3 立定跳远功能实现 | 第50-54页 |
| 4.3 客户端设计 | 第54-58页 |
| 4.3.1 客户端总体设计 | 第54页 |
| 4.3.2 客户端具体实现 | 第54-58页 |
| 4.4 云服务端设计 | 第58-59页 |
| 4.4.1 云服务端设计 | 第58页 |
| 4.4.2 云服务端实现 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 应用测试与分析 | 第60-68页 |
| 5.1 系统功能展示 | 第60-63页 |
| 5.1.1 引体向上功能展示 | 第60页 |
| 5.1.2 深蹲功能展示 | 第60-61页 |
| 5.1.3 立定跳远功能展示 | 第61-62页 |
| 5.1.4 Web端成绩查询 | 第62-63页 |
| 5.2 应用测试情况 | 第63-65页 |
| 5.3 测试结果分析 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 论文工作总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录 | 第74页 |
