基于惯性传感器的人体动作识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题的研究背景和意义 | 第9-11页 |
| 1.2 人体动作识别研究现状 | 第11-15页 |
| 1.2.1 动作信息获取方法 | 第11-12页 |
| 1.2.2 基于惯性传感器的动作识别 | 第12-15页 |
| 1.3 动作信息获取与识别存在的问题 | 第15-16页 |
| 1.4 本文研究的主要内容和章节安排 | 第16-19页 |
| 第2章 人体动作分类及定义 | 第19-25页 |
| 2.1 人体动作分类及定义的相关理论 | 第19-20页 |
| 2.1.1 人体的基本面和基本轴 | 第19-20页 |
| 2.1.2 人体关节、关节角概念 | 第20页 |
| 2.1.3 人体关节运动形式 | 第20页 |
| 2.2 人体动作分类及定义 | 第20-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 基于姿态角的人体动作表征与动作数据获取 | 第25-35页 |
| 3.1 基于姿态角的人体动作表征 | 第25-27页 |
| 3.1.1 人体骨骼树形结构 | 第25-26页 |
| 3.1.2 姿态角表征人体动作 | 第26-27页 |
| 3.2 动作数据采集 | 第27-34页 |
| 3.2.1 MEMS惯性传感器 | 第27-28页 |
| 3.2.2 动作数据采集系统简介 | 第28-30页 |
| 3.2.3 动作数据采集策略 | 第30-32页 |
| 3.2.4 动作数据存储 | 第32-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 人体动作数据的预处理与特征提取 | 第35-45页 |
| 4.1 预处理 | 第35-39页 |
| 4.1.1 数据的平滑滤波 | 第35-38页 |
| 4.1.2 数据归一化 | 第38-39页 |
| 4.1.3 信号重采样 | 第39页 |
| 4.2 特征提取与选择 | 第39-43页 |
| 4.2.1 时域特征 | 第40页 |
| 4.2.2 频域特征 | 第40-41页 |
| 4.2.3 滑动时间窗 | 第41页 |
| 4.2.4 基于主成分分析的特征选择 | 第41-43页 |
| 4.3 本章小结 | 第43-45页 |
| 第5章 基于隐马尔科夫模型的动作识别 | 第45-57页 |
| 5.1 隐马尔科夫模型原理 | 第45-47页 |
| 5.2 基于隐马尔科夫模型的动作识别 | 第47-53页 |
| 5.2.1 系统模型 | 第47-48页 |
| 5.2.2 动作模型训练 | 第48-51页 |
| 5.2.3 基于Viterbi算法的活动识别 | 第51-53页 |
| 5.3 实验与分析 | 第53-55页 |
| 5.3.1 实验数据集 | 第53页 |
| 5.3.2 动作识别实验 | 第53-55页 |
| 5.4 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位论文期间发表的论文和取得的科研成果 | 第65-67页 |
| 致谢 | 第67页 |
