基于全身动捕的太极拳辅助教学与评价方法
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第12-16页 |
| 1.1 课题背景和研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文的主要内容和章节安排 | 第14-16页 |
| 1.3.1 论文的主要内容 | 第14-15页 |
| 1.3.2 论文章节安排 | 第15-16页 |
| 2 人体运动姿态采集与重构 | 第16-29页 |
| 2.1 数据采集设备 | 第16-18页 |
| 2.1.1 MTI惯性传感器数据采集 | 第16-17页 |
| 2.1.2 数据手套的数据采集 | 第17-18页 |
| 2.2 数据处理 | 第18-22页 |
| 2.2.1 欧拉角运算 | 第18-19页 |
| 2.2.2 四元数运算 | 第19-20页 |
| 2.2.3 欧拉角与四元数的相互转换 | 第20-21页 |
| 2.2.4 传感器曲率值到关节弯曲角度数据的转换 | 第21-22页 |
| 2.3 三维人体模型的建立与分析 | 第22-26页 |
| 2.3.1 常见的人体建模 | 第22-23页 |
| 2.3.2 基于刚体力学的人体骨骼设计 | 第23页 |
| 2.3.3 基于约束的层次人体骨骼模型 | 第23-25页 |
| 2.3.4 人体手部骨骼设计 | 第25-26页 |
| 2.4 基于传感器数据的人体三维重构 | 第26-28页 |
| 2.4.1 数据解析和人体重构 | 第26-28页 |
| 2.4.2 人体三维模型的动态重构 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 支持向量机与PSO-BP神经网络手势识别算法 | 第29-41页 |
| 3.1 支持向量机的原理 | 第29-32页 |
| 3.1.1 最优分类面的构造 | 第29-30页 |
| 3.1.2 非线性支持向量机 | 第30-31页 |
| 3.1.3 核函数的选取 | 第31-32页 |
| 3.2 PSO-BP神经网络 | 第32-35页 |
| 3.2.1 BP神经网络拓扑结构 | 第32-33页 |
| 3.2.2 粒子群算法(PSO)原理 | 第33-34页 |
| 3.2.3 基于PSO改进的BP神经网络参数寻优 | 第34-35页 |
| 3.3 基于PSO改进的BP神经网络的手势识别 | 第35-40页 |
| 3.3.1 网络模型建立 | 第35-37页 |
| 3.3.2 数据采集及预处理 | 第37-38页 |
| 3.3.3 手部姿态识别结果分析 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 太极拳动作原语库构建 | 第41-51页 |
| 4.1 太极拳与二十四式太极拳 | 第41-43页 |
| 4.1.1 太极拳的基本特征 | 第42-43页 |
| 4.1.2 二十四式太极拳的动作内容 | 第43页 |
| 4.2 二十四式太极拳动作中各主要关节的活跃情况 | 第43-46页 |
| 4.3 二十四式太极拳的空间特性 | 第46-47页 |
| 4.4 太极拳动作原语库 | 第47-50页 |
| 4.4.1 24 式简化太极拳基本动作分类库 | 第47-49页 |
| 4.4.2 24 式简化太极拳原语动作构成 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 太极拳动作识别、评价与指导 | 第51-62页 |
| 5.1 典型相关分析 | 第51-52页 |
| 5.2 太极拳原语动作局部关节相似度度量 | 第52-55页 |
| 5.2.1 太极拳原语动作相似度金字塔模型 | 第53-54页 |
| 5.2.2 太极拳原语动作局部向量 | 第54-55页 |
| 5.2.3 基于CCA的局部向量相似度度量分析 | 第55页 |
| 5.3 太极拳原语动作识别 | 第55-59页 |
| 5.3.1 太极拳原语动作趋势预测与分析 | 第56-58页 |
| 5.3.2 基于SVM的太极拳原语动作识别 | 第58-59页 |
| 5.4 太极拳动作指导与评价 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-63页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第67页 |
