資源描述：
《基于慣性傳感器的運(yùn)動(dòng)識(shí)別系統(tǒng)_0533》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、西北工業(yè)大學(xué)明德學(xué)院本科畢業(yè)設(shè)計(jì)論文摘要基于慣性傳感器的運(yùn)動(dòng)識(shí)別系統(tǒng)是模式識(shí)別的一個(gè)新興領(lǐng)域，克服了傳統(tǒng)基于視頻的動(dòng)作識(shí)別的諸多缺點(diǎn)和限制，具有更高的可操作性和實(shí)用性。所以本文首先著重介紹了如何利用慣性傳感器進(jìn)行動(dòng)作的分類，及其原理。在對(duì)運(yùn)動(dòng)進(jìn)行識(shí)別的算法中，比較常用的算法有神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隱馬爾科夫模型等，這些算法不是很直觀，而且相對(duì)來說比較復(fù)雜，因此本文采用的是k-means均值聚類算法，本文的工作流程如下：首先通過握在被測(cè)實(shí)驗(yàn)對(duì)象手中的慣性傳感器采集動(dòng)作信息，然后通過無線傳輸模塊將數(shù)據(jù)傳輸?shù)絇C機(jī)，進(jìn)而對(duì)數(shù)據(jù)進(jìn)行動(dòng)作自動(dòng)截取和動(dòng)作特征提取，最后利用選定的識(shí)
2、別算法對(duì)動(dòng)作進(jìn)行識(shí)別。在本文中，用于實(shí)現(xiàn)動(dòng)作識(shí)別的幾種動(dòng)作為向上、向下、向左、向右和畫圈，隨后對(duì)該動(dòng)作進(jìn)行動(dòng)作捕捉，并采用快速傅里葉變換（FastFourierTransform,FFT）進(jìn)行特征提取，最后采用K-means均值聚類進(jìn)行識(shí)別，識(shí)別率為69%。本文的重點(diǎn)在于數(shù)據(jù)的特征提取，及慣性傳感器的運(yùn)動(dòng)識(shí)別，分別用到了快速傅里葉變換，及K-mean均值聚類兩種算法。關(guān)鍵詞：慣性傳感器，K-means均值聚類,FFT43西北工業(yè)大學(xué)明德學(xué)院本科畢業(yè)設(shè)計(jì)論文ABSTRACTInertialsensorbasedmotionrecognitionsystemisaneme
3、rgingfield.Itovercomesthedisadvantageoftraditionalvideobasedgesturerecognition,andhashighermaneuverabilityandpracticability.Sothisarticleintroduceshowtoclassifymotionswithinertialsensor,anditsworkingprinciple.ThemostcommonalgorithmformotionrecognitionisNeuralNetworks(NN),supportvectorma
4、chine(SVM),hiddenMarkovmodels(HMM),etc..Thesealgorithmsarenotsointuitiveandrelativelycomplexinalgorithm.Sothispaperadoptsk-meansclusteringforinertialsensorbasedmotionrecognition.Theworkflowisasflows:firstofall,theinertialsensorfixedinsubjects’handisusedtocollectmotioninformation;andthen
5、,thedataistransmittedtoPCbywirelesstransmissionmodule,followedbydatapreprocessing,featureextractionandselection.Finally,themotionisrecognizedbyk-meansclustering，Thispaperexploitstheinertialsensorsfortherecognitionofthefollowingmotions:up,down,left,rightandthecircle.Thealgorithmusedforfe
6、atureselectionisFastFourierTransform(FFT),andthealgorithmforrecognitionisK-meansclustering.Sothisarticleisfocusedonfeatureextraction,andmotionrecognition.ThecorrespondingalgorithmsarefastFouriertransform,andK-meansclusteringalgorithm.KEYWORDS：Inertialsensors,K-meansclustering,FFT43西北工業(yè)大
7、學(xué)明德學(xué)院本科畢業(yè)設(shè)計(jì)論文目錄第一章前言41.1研究的背景和意義41.2基于慣性傳感器的運(yùn)動(dòng)識(shí)別國內(nèi)外現(xiàn)狀51.3傳感器的分類61.4本文的組織結(jié)構(gòu)10第二章數(shù)據(jù)采集和特征提取算法122.1慣性傳感器的結(jié)構(gòu)122.2數(shù)據(jù)采集122.3數(shù)據(jù)的特征提取132.4離散傅里葉變換(DFT)162.4.1快速傅里葉變換(FFT)172.4.2快速傅里葉變換FFT的應(yīng)用182.4.3算法基本原理19第三章基于慣性傳感器的運(yùn)動(dòng)識(shí)別213.1運(yùn)動(dòng)識(shí)別主要算法213.2K-means算法介紹223.3K－means文本聚類算法優(yōu)化233.4初始聚類中心的選擇243.5
