傳感器信息集成在人體運(yùn)動(dòng)姿態(tài)捕獲與識(shí)別中的應(yīng)用研究.pdf

1、結(jié)合多傳感器信息的人體運(yùn)動(dòng)姿態(tài)識(shí)別是模式識(shí)別領(lǐng)域里的一個(gè)研究方向，這種研究的過程是先使用各種傳感器采集人體在運(yùn)動(dòng)過程中產(chǎn)生的數(shù)據(jù)再將這些數(shù)據(jù)傳送到上位機(jī)中，隨后預(yù)處理采集到的數(shù)據(jù)、從預(yù)處理后的數(shù)據(jù)中提取出特征項(xiàng)，最后使用分類器分類和識(shí)別人體當(dāng)前的運(yùn)動(dòng)姿態(tài)。與基于計(jì)算機(jī)視覺技術(shù)的人體運(yùn)動(dòng)姿態(tài)識(shí)別方法相比，基于傳感器的人體運(yùn)動(dòng)姿態(tài)識(shí)別和監(jiān)測(cè)技術(shù)具有不泄露使用者的隱私、任何地方都能使用、攜帶方便簡(jiǎn)潔、檢測(cè)準(zhǔn)確等諸多優(yōu)點(diǎn)。
　　本文使用的

2、數(shù)據(jù)采集裝置主要包括：加速度傳感器、角速度傳感器和單片機(jī)，分別使用時(shí)域和頻域的分析方法對(duì)采集到的數(shù)據(jù)進(jìn)行分析，然后使用貝葉斯分類器分類和識(shí)別人體當(dāng)前的運(yùn)動(dòng)姿態(tài)。研究的內(nèi)容包括以下幾個(gè)方面。
　　1.硬件平臺(tái)的設(shè)計(jì)
　　基于兩種傳感器的人體運(yùn)動(dòng)姿態(tài)識(shí)別采集裝置，是一種可穿戴的、便攜式的人體運(yùn)動(dòng)傳感器終端。人體運(yùn)動(dòng)姿態(tài)識(shí)別系統(tǒng)的數(shù)據(jù)采集裝置由微處理器、三軸加速度傳感器、三軸角速度傳感器、電源管理模塊等組成。嵌入式軟件開發(fā)釆用了K

3、eil uVision4開發(fā)環(huán)境，在Keil uVision4編譯器中采用 C語言自頂向下對(duì)單片機(jī)程序進(jìn)行設(shè)計(jì)。
　　2.采集和處理人體當(dāng)前的運(yùn)動(dòng)姿態(tài)數(shù)據(jù)
　　單片機(jī)控制傳感器采集人體當(dāng)前運(yùn)動(dòng)姿態(tài)的數(shù)據(jù)，并將采集到的數(shù)據(jù)直接存儲(chǔ)到微控制器IAP15F2K61S2自帶的64K Flash中，然后通過UART協(xié)議將數(shù)據(jù)上傳到上位機(jī)上進(jìn)行數(shù)據(jù)預(yù)處理。
　　3.基于時(shí)域和頻域方法的數(shù)據(jù)分析
　　使用時(shí)域即加速度模值算法來

4、識(shí)別人體當(dāng)前的運(yùn)動(dòng)姿態(tài)，可以快速識(shí)別人體當(dāng)前的運(yùn)動(dòng)姿態(tài)，但是如果只是單純的使用基于時(shí)域的識(shí)別方法容易導(dǎo)致姿態(tài)識(shí)別的錯(cuò)誤和混淆。為了改善這種識(shí)別錯(cuò)誤，我們結(jié)合頻域分析的方法，分析該信號(hào)的頻域特性，來區(qū)別一些人體基本的日常姿態(tài)（尤其是人體的跌倒姿態(tài)），提升了一些人體基本日常姿態(tài)識(shí)別的正確率。
　　4.基于貝葉斯分類器的上下樓姿態(tài)識(shí)別
　　應(yīng)用貝葉斯分類器解決上樓和下樓動(dòng)作混淆問題。首先，將加速度傳感器和角速度傳感器采集到的數(shù)據(jù)進(jìn)