人体运动识别与综合分析系统

来源 :东华大学 | 被引量 : 6次 | 上传用户:scv100
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文提出并实现一种基于移动设备的用户运动行为的检测算法。在用户随身携带移动设备的情况下,算法可以根据移动设备中的三轴加速度数据,判别出用户的运动状态。算法综合分析了加速度传感器数据的时域和频域特性,并通过方向无关性和步幅处理,进一步提高算法的适应性。算法对所抽取21个运动特征值进行了主成分分析,找出了11个主要特征成分,然后使用这些主成分对运行数据进行识别分类。提高了算法准确度,并降低了算法的时间和空间复杂度。在对分类算法综合分析和比较后,J48判决树算法被采纳。算法还根据人类运动的习惯和特性,对特性分类并计算分类的结果,再采用隐式马尔科夫模型进行处理,进一步提高识别的准确度。在对多人多状态数据的实验表明,这种综合方法具有较高的识别准确度和适应性,在对多人多次实际运动数据的处理中,正确识别率可以达到96.13%。本文提出了一种基于用户年龄,性别,体重,身高等因素共同作用下的运动强度计算方法,这种方法更能凸显不同用户体质特征下的运动强度大小。在收集用户一段时间最新的运动强度数据后,本文将为用户建立一个完全基于用户个体特征的运动强度模型。然后根据此模型,本文将会识别出用户所有非正常的运动状态,然后对这些运动状态进行预警。经试验证明,这种异常运动检测模型将会更加准确的判定用户运动状态,让用户拥有一种更科学的健康运动方式。最后在本文研究理论基础上,完整的开发了两套应用程序。一套是一个完整功能的手机端应用程序(APP),用以实现用户运动状态的识别。此手机APP出色的完成了运动识别,运动量收集和计算,用户特定运动轨迹的显示以及和服务器交互等功能,为了让运动数据成为用户一种分享的资源,促进用户的交流,又增加了社交分享功能。另一套应用程序是远程服务器系统,用以收集分析大量用户运动状态数据,然后根据用户性别,年龄,身高,体重的不同,依照用户最近的一段时间的运动状态数据为依据,为每一个用户运动强度进行建模,用以识别判定用户异常运动行为。不正常状态下及时予以用户警告,防止用户过量运动或者过少运动等异常行为有损健康。
其他文献
近几年来,基于嵌入式系统的智能设备技术研发,已经成为二十一世纪微电子技术应用的主要动力。然而,目前国内对于嵌入式智能终端的研究往往侧重于特定的应用领域,乃至专一的某
数据挖掘是指从数据库中抽取隐含的、具有潜在使用价值信息的过程,是一种新型的数据分析技术,己经被广泛应用于各种行业,如金融[1]、保险、政府、教育、运输以及国防等领域。
自适应系统能够在运行时评估自身的运行状态,依照预定义的自适应规则改变软件本身的结构或行为,从而有效地提高软件系统的稳定性与健壮性。基于构件的开发方法为自适应系统的
分布式Web服务系统在适合于大规模网络及避免单点故障和性能瓶颈方面都有优势,本文正是基于分布式Web服务环境,研究关注于如何为有结构的P2P分布式网络提出一种有效的带有一
无线传感器网络是由大量微型廉价的传感器节点通过自组织快速形成的一个无线网络,能够对大范围区域进行有效监测,因此被广泛应用于军事战场、环境监测、交通运输、医疗诊断等
高光谱遥感图像具有上百个波段,能够提供十分丰富的地物信息,是近年来遥感图像领域的重要研究方向。高光谱图像空间分辨率较低的特点使得图像中的像元光谱普遍由多种地物光谱混
近年来,软件即服务(SaaS: Software as a Service)模式正在成为应用软件市场发展的新趋势。作为当前主流SaaS应用的核心支撑技术,多租户(Multi-tenancy)正受到越来越多的重视
现代化的校园,需要现代化的管理手段。为了适应高等职业技术教育的发展,满足高等职业院校教学管理规范化、现代化的要求,提升教学管理水平和教学质量,必须建设高效的教学管理信息
随着无线网络规模的不断扩大,网络业务的日益增长,无线网络优化工作越来越复杂。另外,在无线网络优化中,故障现象和故障原因之间的关系本身就是复杂的、非线性的,这更给无线网络优
嵌入式Internet技术的飞速发展和广泛应用以及大量数据的处理需求,给应用于电力控制领域的软件系统带来了新的挑战——数据处理的安全性、可靠性和高效性。本论文对开源嵌入