论文总字数：29412字

摘 要

基于MEMS惯性传感器的人体动作和行为识别是人体运动分析中的一个新兴领域，它可以克服传统基于机器视觉的人体动作和行为识别的诸多限制和缺点，它具有设备简单、工作时间长、应用场景广泛等大量优点。针对当前识别成功率低和算法复杂度高的缺点，研究了一种基于MEMS惯性传感器的人体动作和行为识别的实现方法。

（1）以MEMS惯性传感器MPU6050和单片机STM32F103C8T6为基础，设计数据采集模块的硬件电路。设计软件架构，实现初始化MPU6050、采集加速度和角速度数据以及姿态解算。将数据采集模块设置在测试者右腿小腿部位，采集站立、步行、跑步、上楼和下楼这五种动作的人体动作数据。

（2）通过野点剔除和平滑去噪的方法，完成对人体动作数据的预处理。对数据进行加窗处理，提取均值、标准差、均方根值、平均绝对误差、绝对斜率、偏度、极差、峰度以及能量共九种时频特征。

（3）使用LIBSVM软件包，设计MATLAB动作识别程序及其图形用户界面，实现基于支持向量机对五种动作的识别功能，对采集到的人体动作数据进行实验。

实验结果表明，该方法对这五种动作的识别有很好的效果，总体识别成功率可以达到 97.5%。基于MEMS惯性传感器的人体动作和行为识别方法可以有效解决识别成功率低和算法复杂度高的问题，具有较强的实用价值。

关键词：动作识别，MEMS惯性传感器，姿态角，支持向量机

Abstract

Human action and behavior recognition based on MEMS inertial sensor is a new field in human motion analysis. It can overcome many limitations and shortcomings of traditional human action and behavior recognition based on machine vision. It has a large number of advantages, such as simple equipment, long working time, wide application scene and so on. Aiming at the shortcoming of low recognition success rate and high algorithm complexity, an implementation method of human action and behavior recognition based on MEMS inertial sensor is studied.

First, based on MEMS inertial sensor MPU6050 and MCU STM32F103C8T6, the hardware circuit of data acquisition module is designed. Software architecture is designed to initialize MPU6050, collect acceleration and angular velocity data, and calculate their attitude. The data acquisition module is fixed on the testers’ right shank to collect the human action data of five movements, such as standing, walking, running, upstairs and downstairs.

Then, human action data is preprocessed through the method of the wild point elimination and the smoothing denoising. After data window processing, nine kinds of time or frequency characteristics, such as mean, standard deviation, root mean square, mean absolute error, absolute gradient, skewness, pole difference, kurtosis and energy are extracted.

Finally, using the LIBSVM software package, the MATLAB action recognition program and its graphical user interface are designed to realize the recognition of the five actions based on support vector machine, and experiments are carried out on the collected human action data.

The experimental results show that the method has a good effect on the recognition of the five actions, and the overall recognition success rate can reach 97.5%. The recognition method of human action and behavior based on MEMS inertial sensor can effectively solve the problem of low recognition success rate and high algorithm complexity, and it has strong practical value.

KEY WORDS: action recognition, MEMS inertial sensor, attitude angle, SVM

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1 课题研究背景和意义 1

1.2 人体运动分析研究现状 1

1.3 基于惯性传感器的动作识别研究现状 2

1.4 本文主要研究内容和结构安排 4

第二章 数据采集模块的设计与实现 5

2.1 引言 5

2.2 硬件电路设计 5

2.2.1 MEMS惯性传感器 5

2.2.2 单片机 6

2.2.3 整体硬件电路设计 6

2.3 软件架构设计 9

2.3.1 软件总体架构设计 9

2.3.2 初始化MPU6050 10

2.3.3 采集加速度和角速度数据 10

2.3.4 姿态解算 11

2.4 数据采集模块的实现 13

2.4.1 数据采集模块设置位置的选择 13

2.4.2 人体动作数据的采集 15

2.5 本章小结 16

第三章 数据预处理与特征提取 17

3.1 引言 17

3.2 人体动作数据的预处理 17

3.2.1 野点剔除 17

3.2.2 平滑去噪 18

3.3 数据的特征提取与选择 19

3.3.1 加窗处理 19

3.3.2 时域特征提取 19

3.3.3 频域特征提取 20

3.3.4 特征选择 21

3.4 本章小结 23

第四章 动作识别分类算法的实现 25

4.1 引言 25

4.2 常见分类算法的比较 25

4.3 支持向量机的分类原理 25

4.3.1 线性可分的最优分类面 25

4.3.2 线性不可分的最优分类面 26

4.3.3 常用的SVM核函数 26

4.3.4 多类分类算法 27

4.4 MATLAB动作识别程序设计 27

4.5 实验结果及分析 33

4.6 本章小结 34

第五章 总结与展望 35

致 谢 36

参考文献 37

绪论

课题研究背景和意义

人体的运动是复杂而又多变的，同时也具有柔韧性和准确性，是任何机械都无法完全重复的。伴随着社会的进步和经济的发展，人体运动分析逐渐成为医学研究、运动科学、国防科技等领域中的热门研究课题。

随着微机电系统、传感器网络、无线通信等技术的飞速发展，基于MEMS惯性传感器的人体动作和行为识别这一技术的实现成为了可能。基于MEMS惯性传感器的人体动作和行为识别是指对人体复杂的运动模式的识别过程，主要是通过穿戴在人体上的MEMS惯性传感器采集人体动作数据，用无线通信技术将数据传输到PC端完成数据的处理，进而通过分类算法实现动作的识别。而传统基于机器视觉的人体动作和行为识别，是通过图像采集设备将待测动作转换为图像，进行图像处理将图像的形态信息转换为数字信号，提取数字信号中的特征通过分类算法实现动作的识别。但这一技术有对设备的要求较高、对周遭环境的限制较大等明显缺点，因此在实际应用和具体操作方面有很大的限制和难度。基于MEMS惯性传感器的人体动作和行为识别是人体运动分析中的一个新兴领域，可以克服传统识别技术中的诸多限制和缺点。相比于基于机器视觉的人体动作和行为识别，它具有设备简单、工作时间长、应用场景广泛等大量优点。这一技术可以广泛应用于医学研究、体感游戏、三维建模、老人看护、应急救援甚至是个人生活的方方面面中,有着极大的研究价值和研究意义，如图1-1所示的就是这一技术在体感游戏中的应用。

剩余内容已隐藏，请支付后下载全文，论文总字数：29412字