基于惯性传感器的人体动作分析与识别

《基于惯性传感器的人体动作分析与识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：UDC：编号：工学硕士学位论文基于惯性传感器的人体动作分析与识别硕士研究生：侯祖贵指导教师：王科俊教授学科、专业：模式识别与智能系统论文主审人：冯伟兴教授哈尔滨工程大学2013年1月分类号：密级：UDC：编号：工学硕士学位论文基于惯性传感器的人体动作分析与识别硕士研究生：侯祖贵指导教师：王科俊教授学位级别：工学硕士学科、专业：模式识别与智能系统所在单位：自动化学院论文提交日期：2013年1月论文答辩日期：2013年3月学位授予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:ADis

2、sertationfortheDegreeofM.EngMotionAnalysisandRecognitionBasedonInertialSensorsCandidate:HouZuguiSupervisor:Prof.WangKejunAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:PatternRecognitionandIntelligentSystemDateofSubmission:January,2013DateofOralExamin

3、ation:March,2013University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：年月日哈尔滨工程大学学位论文授权

4、使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□解密后）由哈尔滨工程大学

5、送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日基于惯性传感器的人体动作分析与识别摘要基于惯性传感器的人体动作分析与识别是模式识别的一个新兴领域，克服了传统基于视频的动作识别的诸多缺点和限制，具有更高的可操作性和实用性。其实质是通过固定在人体特定部位的惯性传感器采集人体的动作信息，通过无线传输模块传到PC机，进而对数据进行预处理、特征提取和选择、动作分类。这些惯性传感器包括加速度计、磁力计、陀螺仪，集成在一起作为单个节点，各节点之间通过无线通信组成无线传感网络，形成运动捕捉系统，捕获

6、人体运动信息。本文正是利用了基于惯性传感器的动作捕捉系统采集人体动作数据，从而进行动作识别。本文首先对人体运动做了系统分析，从运动生物力学角度研究了人体运动分析中的相关参数及其测量方法，明确了本文基于惯性传感器的采集方案，涉及到的人体轴面采用的是人体解剖学中的相关定义。在此基础上，分析了人体关节、环节、关节角以及姿态角，并将姿态角应用到人体运动分析中，明确了膝关节角和两腿夹角作为识别的原始数据。进而明确了人体结构和多刚体模型，并将其做了简单改进，确定了11个部位作为传感器佩戴位置。在对人体运动有了充分研究之后，

7、本文提出了PAMS人体运动分析方法，总结了人体运动特点，即人的姿态是可测的，人的动作是相对有限的，人的行为是相对无限的，同时每个人又有自己的运动特点。从而将人体运动分析分为姿态、动作、行为三个层面，阐述了一系列姿态组成动作，一系列动作组成行为的基本思想，并利用PDM进行了数学建模分析。其次对动作层面做了具体研究，总结出了人体运动中包含有31种基本动作，其他复杂动作及行为都是由这些基本动作组合而成，并对这些动作做了具体分类定义。从总结出的动作中选择15种动作，利用基于惯性传感器的动作捕捉系统对动作数据进行了采集，

8、并采用一种新型非关系型数据库MongoDB建立了人体动作数据库，以BSON格式将采集到的动作数据存入，以备本课题后期研究或其他单位研究者使用。最后，研究了数据预处理和动作特征提取与识别的相关算法。考虑到系统噪声，首先对原始数据进行了预处理，剔除偏离正常值较大的值，并考虑到人体动作的低通性进行巴特沃斯低通滤波，针对多维姿态角数据提取了时域和频域特征，并用主成分分析法进行了降维处理，最后用