基于加速度传感器的人体姿态监测系统的设计与实现

论文摘要

人体姿态监测系统是指通过与人体绑定的加速度传感器来判断人体姿态,该研究对家庭环境下的人体运动状态、人体姿态的监测以及自动呼救系统有着重要的研究意义。例如,通过人体姿态监测系统可以获得人体当前的运动状态、及时发现意外的跌倒、对人体的运动能力作出间接的评价、对人体的功能性能力和运动级别的衡量提供非常有价值的信息。因此,随着人们对生活水平要求的提高,人体姿态监测系统已经逐步成为智能化生活领域内的一个研究热点。针对上述目标,本文主要从以下三个方面展开了研究。首先,本文分析了人体运动的加速度特征,并给出了适用于人体运动监测的加速度传感器选择指标；然后,本文分析了现有的人体分类算法,提出了一种基于二叉分类树的人体运动分类器改进模型,并提出了基于这个模型的人体运动分类器算法。最后,本文设计并实现了基于加速度传感器的人体运动姿态监测系统,并设计了实验对系统的性能进行了评估。通过最后的实验验证,表明本系统对运动的监测和识别从总体上达到了97.02%的准确率,其中,对静态姿态的识别达到了98.3%的准确率,对跌倒的识别达到了98%的准确率。这样的结果表明了基于三轴加速度传感器的人体姿态监测实时系统可以达到很高的准确率,有着很高的可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 人体姿态监测系统的研究意义
• 1.2 研究背景与研究现状
• 1.3 本文研究工作
• 1.4 本文组织结构
• 第2章 人体运动特征分析与加速度传感器
• 2.1 人体运动特征分析及跌倒分析
• 2.1.1 人体静止与活动的躯体拓扑特征
• 2.1.2 人体运动加速度特征
• 2.1.3 人体跌倒分析
• 2.2 加速度传感器
• 2.2.1 加速度传感器简介
• 2.2.2 加速度传感器原理
• 2.2.3 MEMS加速度传感器
• 2.3 加速度传感器应用于人体运动监测
• 2.3.1 人体运动学原理
• 2.3.2 用加速度传感器测量人体运动
• 2.3.3 加速度传感器应用于人体运动无人监测的能力
• 2.4 本章小结
• 第3章 基于二叉树的人体运动分类器算法
• 3.1 基于加速度的人体运动分类算法简介
• 3.1.1 固定阈值法
• 3.1.2 模式识别法
• 3.1.3 模糊逻辑
• 3.1.4 人工神经网络
• 3.2 基于二叉树的人体运动分类器模型
• 3.2.1 现有分类算法的不足
• 3.2.2 基于决策树的分类模型
• 3.2.3 二叉分类树改进模型
• 3.3 基于二叉分类树模型的人体运动分类算法的设计与实现
• 3.3.1 运动类别的设计
• 3.3.2 加速度信号预处理
• 3.3.3 区分活动和静止状态
• 3.3.4 区分各种静止状态
• 3.3.5 跌倒监测
• 3.3.6 行走与姿态转换
• 3.4 本章小结
• 第4章 人体姿态监测系统的设计与实现
• 4.1 系统需求分析
• 4.1.1 基本需求
• 4.1.2 实时性需求
• 4.1.3 性能需求
• 4.2 系统总体设计
• 4.2.1 系统各模块的总体设计方案
• 4.2.2 系统总体架构
• 4.2.3 加速度信息在人体上的获取位置
• 4.3 系统硬件设计与实现
• 4.3.1 加速度信息采集模块的设计与实现
• 4.3.2 加速度信息传输模块的设计与实现
• 4.4 系统软件设计与实现
• 4.4.1 单片机软件模块的设计与实现
• 4.4.2 上位机软件的设计与实现
• 4.5 本章小结
• 第5章 实验与数据分析
• 5.1 实验组织
• 5.2 实验数据与分析
• 5.3 相关参数的分析
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 本文的贡献
• 6.2 未来工作展望
• 参考文献
• 致谢