加速度传感器的运动信号分析与运动状态判断(附件)【字数：10805】
指导教师 秦明 摘 要论文的内容是基于加速度传感器，收集数据并对其进行分析，得出各运动状态的规律或特征，从而能够根据运动信号判断运动状态。传感器使用集成三轴加速度和三轴陀螺仪信号的MPU6050来获取更多的步态信息，确保了无轴间差校准问题。由MPU6050 收集步态加速度和陀螺仪信号， 微控制器STC90LE52读取数据，接收端将收集到的数据通过串口送到计算机中同时对数据进行分析。人体不同的行为特征悠着相应不同的加速度数据，特征值的提取就是找出区分人体不同行为特征的加速度数据的临界值，即阈值。通过这些方式对如走路、跑步、跳跃等人体行为得以实现有效识别。
目 录
第一章 引言 1
1.1人体行为识别的背景和意义 1
1.2人体行为识别的研究现状 1
1.3人体行为识别发展趋势 2
1.4本课题主要任务 3
1.5本章小结 4
第二章 基于加速度传感器的数据收集及分析 5
2.1MPU6050的背景及数据采集介绍 5
2.2数据处理与分析 8
2.3章节小结 11
第三章 人体行为识别的验证与优化 12
3.1人体行为识别的验证 12
3.2人体行为识别的优化 14
3.3章节小结 15
结束语 16
致 谢 17
参考文献 18
附录 19
附录A 传感器采集原理框图 19
附录B 不同运动状态采集信号 20
引言
1.1人体行为识别的背景和意义
现阶段伴随着科技的发展和人民生活水平的提高，人们逐渐开始重视智能化，智能化产品也早已步入了人们的日常生活。人体行为识别是智能化研究中的一个重要方向，在智能化家居、智慧治疗以及老人病人监护等方面有十分重要的作用及广泛的应用前景。
现在的中国，人口老龄化问题加剧，空巢家庭﹑失独家庭开始大量出现。在这样的家庭里，老任不能得到子女的长期陪伴或者是永远失去了自己的子女，对于这类人群来说，一旦身体发生健康方面问 *好棒文|www.hbsrm.com +Q: #351916072#
题或是突发紧急情况，最后的结果通常都是自己独自面对和承受[1]。在报道中常常可以看见老人独自一人在家突发意外或生病却很长时间无人过问的现象。对于他们来说，晚年不仅可能无法安度，甚至有可能成为他们人生中最后的苦难期。
微机电系统有小体积﹑微重量﹑性能稳定等优点集于一身的特点，在惯性测量中有着极其重要的发展空间，包含的加速度传感器更是在众多应用领域中占据了不可缺少的位置[2]。对于空巢老人或失独老人来说，利用微机电系统测量人体运动进程中持续改变的加速度和姿态，进而得出其在某一特定情况下的运动轨迹，这样在出现如心脏病突发或突发意外而导致的跌倒或被绊倒等情况，则可以实时监测出人体加速度的突然变化，并在第一时间向有关机构发出报警求救信号，从而最大限度降低发生悲剧的可能性。所以，选择加速度传感器实时检测3个自由度上人体加速度数据和人体姿态数据，再与试验相结合设置理想的阈值，就能够能较准确地监测人体的姿态[3]。
人体行为识别主要分为两类：基于视觉的人体行为识别和基于传感器的人体行为识别。使用频繁的基于加速度传感器的行为识别方法属于后一类，是人体行为识别研究中的新兴分支，和传统的基于视觉的人体行为识别相比较，其拥有运动数据获取更自由、人性化、方便携带、抗外界干扰能力强等优点。
1.2人体行为识别的研究现状
人体行为识别是现阶段计算机视觉领域的研究热点之一，广泛应用于人机智能交互、虚拟现实以及视频监控等领域[4]。人体行为的分析包括人体检测、目标分类和跟踪、动作识别和高层行为理解等方面，在一系列领域也有极佳的应用前景，如智能监控、视频检索、智能人机接口、智能家居环境和身份鉴别等。尽管最近几年国内外人体行为识别的相关研究取得了重大的研究进展，但人体运动的复杂性和多变化性导致识别的精确性和高效性始终不满足有关行业的实用标准和要求。它的核心是通过计算机视觉技术对图像序列处理分析，识别判断出人的动作，通过不断的跟踪并与上下文环境相结合对它的行为进行推理和描述。
总的来说，人体行为识别受到的挑战来自下面这两方面。
其一，空间复杂性。在不同的条件下会呈现出不同的动作场景，如光照、视角等。在不同的动作场景中一样的人体行为在姿态和特征上会具有一定的差别。即便是在恒定的动作场景中，人体的动作也会有较大的自由度，且每种相同的动作在方向、角度和形状方面也有很大的不同。除此之外，人体行为识别复杂性在空间上的体现主要有人体自遮挡、部分遮挡、人体个体差异和多人物识别对象等。空间复杂性对人体行为识别结果的影响主要在精确性方面上得以体现。
其二，时间差异性。时间差异性的含义是人体行为发生的时间点无法预测，且动作的持续间隔也不同。除此之外，相应时间内动作也可能存在空白。在识别过程中，时间差异性要求能够判别动作的起止时间，与此同时进行动作作用的有效时间和间隔的有效判断，对动作在时域和时序范围内进行更加细致的分析，导致动作在不同速率、顺序和组合的情况下都会存在差异。时间差异性不仅会影响识别精确性，也会给行为识别带来计算实时性和效率等影响其高效性的问题。
现阶段人体行为识别的研究对象按照复杂程度可以分成4个层次：姿势、动作、交互动作和群体行为[5]。姿势是指身体部位的简易移动，比如“伸手”、“踢腿”，是组成人体动作的基础部分。动作的组成是由单人的多个姿势按顺序完成的，比如“走”、“跑”和“跳跃”等。交互动作的定义是在两个人或者人和物体之间完成的动作，比如“两人打架”、“开门”等。最后群体行为则是指在多人或多个人－物构成的群体中产生的行为，如“游行”、“会议”和“群体斗殴”等。对已经分割好的、仅含有单人且为单个动作的运动信号通过简单的行为识别进行分析，把运动信号分类到已定义的动作类别中，而更一般的任务是在运动信号中不断地识别人的行为动作，检测出每个动作的起始点和结束点。因此依据要解决的问题和任务的差异，动作识别能够分为动作分类和动作检测两种。动作分类一般的处理方式是在信号中提取出特征，并在依据特征匹配的结果下分配相应的动作标签。而动作检测不但有必要识别发生了什么种类的动作，还需要确保动作发生的时间和空间位置正确，由此，我们可以得出动作检测更具挑战性[6]。
1.3人体行为识别发展趋势
随着科学技术的飞速发展，人工智能已不再是梦想，而是逐渐走向现实。计算机视觉技术在人工智能的发展过程中起到了重要作用，是人工智能的重要组成部分[7]。视觉是人类在与外界联系获取的信息中了解事物本质信息的重要途径。计算机视觉技术是探究怎样让计算机如同人类一般对摄像头获得的外部信息进行分析与识别。因此，静态物体识别、目标跟踪和人体行为识别属于计算机视觉研究的重要方向。
目 录
第一章 引言 1
1.1人体行为识别的背景和意义 1
1.2人体行为识别的研究现状 1
1.3人体行为识别发展趋势 2
1.4本课题主要任务 3
1.5本章小结 4
第二章 基于加速度传感器的数据收集及分析 5
2.1MPU6050的背景及数据采集介绍 5
2.2数据处理与分析 8
2.3章节小结 11
第三章 人体行为识别的验证与优化 12
3.1人体行为识别的验证 12
3.2人体行为识别的优化 14
3.3章节小结 15
结束语 16
致 谢 17
参考文献 18
附录 19
附录A 传感器采集原理框图 19
附录B 不同运动状态采集信号 20
引言
1.1人体行为识别的背景和意义
现阶段伴随着科技的发展和人民生活水平的提高，人们逐渐开始重视智能化，智能化产品也早已步入了人们的日常生活。人体行为识别是智能化研究中的一个重要方向，在智能化家居、智慧治疗以及老人病人监护等方面有十分重要的作用及广泛的应用前景。
现在的中国，人口老龄化问题加剧，空巢家庭﹑失独家庭开始大量出现。在这样的家庭里，老任不能得到子女的长期陪伴或者是永远失去了自己的子女，对于这类人群来说，一旦身体发生健康方面问 *好棒文|www.hbsrm.com +Q: #351916072#
题或是突发紧急情况，最后的结果通常都是自己独自面对和承受[1]。在报道中常常可以看见老人独自一人在家突发意外或生病却很长时间无人过问的现象。对于他们来说，晚年不仅可能无法安度，甚至有可能成为他们人生中最后的苦难期。
微机电系统有小体积﹑微重量﹑性能稳定等优点集于一身的特点，在惯性测量中有着极其重要的发展空间，包含的加速度传感器更是在众多应用领域中占据了不可缺少的位置[2]。对于空巢老人或失独老人来说，利用微机电系统测量人体运动进程中持续改变的加速度和姿态，进而得出其在某一特定情况下的运动轨迹，这样在出现如心脏病突发或突发意外而导致的跌倒或被绊倒等情况，则可以实时监测出人体加速度的突然变化，并在第一时间向有关机构发出报警求救信号，从而最大限度降低发生悲剧的可能性。所以，选择加速度传感器实时检测3个自由度上人体加速度数据和人体姿态数据，再与试验相结合设置理想的阈值，就能够能较准确地监测人体的姿态[3]。
人体行为识别主要分为两类：基于视觉的人体行为识别和基于传感器的人体行为识别。使用频繁的基于加速度传感器的行为识别方法属于后一类，是人体行为识别研究中的新兴分支，和传统的基于视觉的人体行为识别相比较，其拥有运动数据获取更自由、人性化、方便携带、抗外界干扰能力强等优点。
1.2人体行为识别的研究现状
人体行为识别是现阶段计算机视觉领域的研究热点之一，广泛应用于人机智能交互、虚拟现实以及视频监控等领域[4]。人体行为的分析包括人体检测、目标分类和跟踪、动作识别和高层行为理解等方面，在一系列领域也有极佳的应用前景，如智能监控、视频检索、智能人机接口、智能家居环境和身份鉴别等。尽管最近几年国内外人体行为识别的相关研究取得了重大的研究进展，但人体运动的复杂性和多变化性导致识别的精确性和高效性始终不满足有关行业的实用标准和要求。它的核心是通过计算机视觉技术对图像序列处理分析，识别判断出人的动作，通过不断的跟踪并与上下文环境相结合对它的行为进行推理和描述。
总的来说，人体行为识别受到的挑战来自下面这两方面。
其一，空间复杂性。在不同的条件下会呈现出不同的动作场景，如光照、视角等。在不同的动作场景中一样的人体行为在姿态和特征上会具有一定的差别。即便是在恒定的动作场景中，人体的动作也会有较大的自由度，且每种相同的动作在方向、角度和形状方面也有很大的不同。除此之外，人体行为识别复杂性在空间上的体现主要有人体自遮挡、部分遮挡、人体个体差异和多人物识别对象等。空间复杂性对人体行为识别结果的影响主要在精确性方面上得以体现。
其二，时间差异性。时间差异性的含义是人体行为发生的时间点无法预测，且动作的持续间隔也不同。除此之外，相应时间内动作也可能存在空白。在识别过程中，时间差异性要求能够判别动作的起止时间，与此同时进行动作作用的有效时间和间隔的有效判断，对动作在时域和时序范围内进行更加细致的分析，导致动作在不同速率、顺序和组合的情况下都会存在差异。时间差异性不仅会影响识别精确性，也会给行为识别带来计算实时性和效率等影响其高效性的问题。
现阶段人体行为识别的研究对象按照复杂程度可以分成4个层次：姿势、动作、交互动作和群体行为[5]。姿势是指身体部位的简易移动，比如“伸手”、“踢腿”，是组成人体动作的基础部分。动作的组成是由单人的多个姿势按顺序完成的，比如“走”、“跑”和“跳跃”等。交互动作的定义是在两个人或者人和物体之间完成的动作，比如“两人打架”、“开门”等。最后群体行为则是指在多人或多个人－物构成的群体中产生的行为，如“游行”、“会议”和“群体斗殴”等。对已经分割好的、仅含有单人且为单个动作的运动信号通过简单的行为识别进行分析，把运动信号分类到已定义的动作类别中，而更一般的任务是在运动信号中不断地识别人的行为动作，检测出每个动作的起始点和结束点。因此依据要解决的问题和任务的差异，动作识别能够分为动作分类和动作检测两种。动作分类一般的处理方式是在信号中提取出特征，并在依据特征匹配的结果下分配相应的动作标签。而动作检测不但有必要识别发生了什么种类的动作，还需要确保动作发生的时间和空间位置正确，由此，我们可以得出动作检测更具挑战性[6]。
1.3人体行为识别发展趋势
随着科学技术的飞速发展，人工智能已不再是梦想，而是逐渐走向现实。计算机视觉技术在人工智能的发展过程中起到了重要作用，是人工智能的重要组成部分[7]。视觉是人类在与外界联系获取的信息中了解事物本质信息的重要途径。计算机视觉技术是探究怎样让计算机如同人类一般对摄像头获得的外部信息进行分析与识别。因此，静态物体识别、目标跟踪和人体行为识别属于计算机视觉研究的重要方向。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/469.html
