資源描述：
《基于的慣性傳感器的地運動識別系統(tǒng)0533》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、實用標準文案摘要基于慣性傳感器的運動識別系統(tǒng)是模式識別的一個新興領(lǐng)域，克服了傳統(tǒng)基于視頻的動作識別的諸多缺點和限制，具有更高的可操作性和實用性。所以本文首先著重介紹了如何利用慣性傳感器進行動作的分類，及其原理。在對運動進行識別的算法中，比較常用的算法有神經(jīng)網(wǎng)絡(luò)、支持向量機、隱馬爾科夫模型等，這些算法不是很直觀，而且相對來說比較復雜，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：首先通過握在被測實驗對象手中的慣性傳感器采集動作信息，然后通過無線傳輸模塊將數(shù)據(jù)傳輸?shù)絇C機，進而對數(shù)據(jù)進行動作自動截取和動作特征提取，最后利用選定的識別算法對動作進行識別。在本文中，用于實現(xiàn)動作識別
2、的幾種動作為向上、向下、向左、向右和畫圈，隨后對該動作進行動作捕捉，并采用快速傅里葉變換（FastFourierTransform,FFT）進行特征提取，最后采用K-means均值聚類進行識別，識別率為69%。本文的重點在于數(shù)據(jù)的特征提取，及慣性傳感器的運動識別，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,FFT精彩文檔實用標準文案ABSTRACTInertialsensorbasedmotionrecognitionsystemisanemergingfield.Itovercomesthedisadvantageoftraditi
3、onalvideobasedgesturerecognition,andhashighermaneuverabilityandpracticability.Sothisarticleintroduceshowtoclassifymotionswithinertialsensor,anditsworkingprinciple.ThemostcommonalgorithmformotionrecognitionisNeuralNetworks(NN),supportvectormachine(SVM),hiddenMarkovmodels(HMM),etc..Thesealgorithmsare
4、notsointuitiveandrelativelycomplexinalgorithm.Sothispaperadoptsk-meansclusteringforinertialsensorbasedmotionrecognition.Theworkflowisasflows:firstofall,theinertialsensorfixedinsubjects’handisusedtocollectmotioninformation;andthen,thedataistransmittedtoPCbywirelesstransmissionmodule,followedbydatapr
5、eprocessing,featureextractionandselection.Finally,themotionisrecognizedbyk-meansclustering，Thispaperexploitstheinertialsensorsfortherecognitionofthefollowingmotions:up,down,left,rightandthecircle.ThealgorithmusedforfeatureselectionisFastFourierTransform(FFT),andthealgorithmforrecognitionisK-meanscl
6、ustering.Sothisarticleisfocusedonfeatureextraction,andmotionrecognition.ThecorrespondingalgorithmsarefastFouriertransform,andK-meansclusteringalgorithm.KEYWORDS：Inertialsensors,K-meansclustering,FFT精彩文檔實用標準文案目錄第一章前言41.1研究的背景和意義41.2基于慣性傳感器的運動識別國內(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)1
7、22.2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動識別213.1運動識別主要算法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243.5K一均值聚類算法的算法流程243.6SOM算法介紹253.7實驗
