论文部分内容阅读
随着以人为本概念的提出和计算机技术的不断发展，人机交互的研究已经受到计算机技术相关领域的广泛关注。肢体动作作为人们常用的表达方式引起了研究者们的高度重视。肢体动作识别包括基于机器视觉、肌电信号和加速度传感器等研究方案，它们各有各的优势，但综合比较这些方案对人、机器和环境等的适应效果以后，基于加速度传感器的方案就显出非常大的优势，在智能人机交互、体感游戏等领域的应用潜力尤其突出。 近年来，基于加速度信号的肢体动作识别技术发展迅速，但相对来说还处于基础研究阶段。就研究的过程而言，包括信号采集、数据处理和模式识别等步骤。目前基于加速度信号的肢体动作识别技术主要难点在于:信号采集方案如何设计、对获取的加速度信号如何处理、高精度的模式识别如何实现等。 本文是在相关领域已有经验的基础上，利用加速度传感器，即三轴微加速度计与和三轴微陀螺仪，获取手臂在空间中运动时的加速度数据，再围绕加速度信号的预处理、特征提取和建模识别等问题展开相关研究，提出了一套快速又准确的肢体动作识别方案，本文主要研究工作如下: 首先，本文的加速度数据采集源选择MPU6050加速度传感器，ARMCortex-M3微处理器作为加速度采集系统的主CPU，利用串口将采集到的数据发送到PC端并保存在Excel文档中，供Matllab进行数据的分析处理。 其次，针对手臂抖动、身体晃动及周围环境影响等会导致采集到的加速度信息中含有随机干扰数据，本文对采集到的数据先进行跳点的去除，再进行平滑滤波处理，并通过平稳状态截取法识别出来肢体动作真正的起始点和结束点，此时获取到的数据就是真正的加速度数据。 鉴于获取到的加速度数据依然庞大，以此数据进行计算会造成特别大的时延，即使对其进行压缩处理，仍然存在着冗余，那么，肢体动作的加速度数据曲线中特征点的选择就成为关键，本文选择姿态角作为特征点。 最后通过隐马尔科夫模型对上述处理后的加速度数据进行模式识别，并且在理论研究的同时，对基于三轴加速度传感器的肢体动作识别进行了实验验证。总的来说，基于加速度传感器的肢体动作识别技术研究是一个重要的发展方向，该课题的研究也具有很大的研究价值和实用价值，值得我们去进行更细致、更深入的挖掘。