| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 论文研究背景与意义 | 第11-12页 |
| 1.2 人体动作识别研究现状 | 第12-15页 |
| 1.2.1 人体日常行为动作识别 | 第12-13页 |
| 1.2.2 人体异常与跌倒检测 | 第13-14页 |
| 1.2.3 体育动作识别与训练 | 第14-15页 |
| 1.3 本文主要内容与创新点 | 第15-17页 |
| 第二章 羽球动作识别的数据预处理 | 第17-26页 |
| 2.1 数据预处理流程 | 第17-18页 |
| 2.2 信号去噪 | 第18-19页 |
| 2.3 击球动作提取 | 第19-23页 |
| 2.3.1 滑动窗口提取 | 第20-21页 |
| 2.3.2 事件窗口提取 | 第21-23页 |
| 2.4 动作分帧与特征选择 | 第23-24页 |
| 2.5 矢量量化 | 第24-26页 |
| 第三章 基于改进HMM的羽毛球动作识别算法 | 第26-37页 |
| 3.1 HMM基本概念与三大问题 | 第26-28页 |
| 3.1.1 HMM基本概念 | 第26-27页 |
| 3.1.2 HMM的三大问题 | 第27-28页 |
| 3.2 HMM相关算法 | 第28-33页 |
| 3.2.1 前向算法与后向算法 | 第28-30页 |
| 3.2.2 Baum-Welch算法 | 第30-32页 |
| 3.2.3 维特比算法 | 第32-33页 |
| 3.3 基于改进HMM的羽毛球动作识别 | 第33-37页 |
| 3.3.1 Baum-Welch训练算法的改进 | 第33-35页 |
| 3.3.2 HMM模型调参对识别率的影响 | 第35-37页 |
| 第四章 羽毛球技术特征统计与步伐训练系统的设计与实现 | 第37-57页 |
| 4.1 系统平台构建 | 第37-39页 |
| 4.1.1 系统硬件平台 | 第37-38页 |
| 4.1.2 系统软件平台 | 第38-39页 |
| 4.2 羽毛球击球动作的特征提取 | 第39-43页 |
| 4.2.1 基于高远球的特征提取 | 第40-42页 |
| 4.2.2 基于网前搓球的特征提取 | 第42-43页 |
| 4.3 羽毛球比赛的技术统计模块 | 第43-46页 |
| 4.3.1 击球速度计算算法 | 第43页 |
| 4.3.2 得分与失误评判算法 | 第43-46页 |
| 4.4 羽毛球被控步伐的训练 | 第46-57页 |
| 4.4.1 被控步伐的基本介绍 | 第46-47页 |
| 4.4.2 被控步伐还原算法 | 第47-53页 |
| 4.4.3 头顶后退步伐的训练 | 第53-54页 |
| 4.4.4 后场至前场斜线连贯步伐的训练 | 第54-57页 |
| 第五章 实验结果与分析 | 第57-62页 |
| 5.1 羽毛球动作识别算法的调参与优化 | 第57-61页 |
| 5.1.1 基于不同预处理算法的HMM动作识别实验 | 第57-58页 |
| 5.1.2 基于不同模型算法的动作识别实验 | 第58-60页 |
| 5.1.3 基于相同与不同运动员的动作识别实验 | 第60-61页 |
| 5.2 羽毛球技术统计与步伐训练系统的功能测试 | 第61-62页 |
| 5.2.1 测试环境 | 第61页 |
| 5.2.2 功能测试 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间论文发表情况 | 第68-69页 |
| 致谢 | 第69-70页 |