基于足底压力的人体运动识别研究分析.pptVIP

基于足底压力的人体运动识别研究 目录 Contents 03 10 17 19 Page 论文选题依据 1 论文研究方案 2 预期目标 3 工作计划 4 论文选题依据 1 论文选题意义 国内外研究现状 1 2 可穿戴式助力机器人是一种交互式机器人系统，在日常生活、运动康复、临床医疗及军事应用等领域有广阔的前景。 论文选题意义 研究目的：研究一种基于助力机器人系统的人机交互控制应用的人体运动识别方法 物理交互 位置和运动传感器 编码器, LVDT, 电位器, 加速度计, 测斜仪, 磁传感器，电测角仪，惯性传感器 力和压力传感器 应变式传感器, 力/力矩传感器, 压力传感器, 压电传感器, 压阻式聚合物, 电容式力传感器 认知交互 肌肉活动传感器 EMG(肌电图), MSS(肌肉僵硬传感器), 肌肉紧张传感器, 超声波肌肉活动传感器 脑激活传感器 EEG(脑电图) 常用人机交互策略 国内外研究现状 EMG控制 加速度传感器 . . . 国内外研究现状 基于视频的步态识别方法 基于加速度的步态识别方法 主流的步态识别研究基于计算机视觉 需保证行走方向与镜头主轴垂直 易受环境变化影响 尚处于研究初期阶段 国内外研究现状 将加速度传感器固定在腰部或脚踝处，检测三维运动加速度 各传感器间位置关系不易控制 识别精度较低 足底压力信号 呈周期循环性变化，信号可靠，易于辨识 目前使用范围 分析与脚功能紊乱和步态失调； 潜在的溃疡识别领域； 疾病继发于糖尿病和其他神经性问题 国内外研究现状 课题来源： 实验室自拟项目“基于足底压力的人体运动识别研究” 课题来源 论文研究方案 2 研究目标及研究内容 拟解决的关键问题和难点 拟采用的研究方法、技术路线、实验方案及预期的新意 1 2 3 研究一种基于助力机器人系统的人机交互控制应用的步态识别方法 搭建一套应用于助力机器人的人体运动识别系统 研究目标及内容 研究目的 研究内容 基于足底压力人体运动识别检测机理研究 足底压力采集硬件平台搭建 基于足底压力参数的特征提取方法研究 人体运动识别算法研究 关键问题 关键问题和难点 难点 可穿戴式采集装置系统设计 采集足底多路压力信号：足底关键位置粘贴传感器 使用无线传输数据：消除接线对运动范围的限制 系统操作简单：被试者无需进行其他操作 足底压力特征分析 原始数据 压力特征，保留有效信息 可重复性 共性与个性特征共存 人体运动识别分类 足底压力特征与人体运动对应 BP神经网络 支持向量机 改进 硬件平台搭建 特征提取 检测机理分析 技术路线 运动状态分类 图1 站立时足底压力波形图 图2 下蹲时足底压力波形图 图3 起立时足底压力波形图 图4 行走时足底压力波形图 硬件平台搭建 特征提取 检测机理分析 技术路线 运动状态分类 压力感知部分 微处理器部分 无线通讯部分 后台处理部分 FSR402压阻传感器 最小系统 nRF24L01 PC机 硬件平台搭建 特征提取 检测机理分析 技术路线 运动状态分类 鞋 主机适配器 硬件平台搭建 特征提取 检测机理分析 技术路线 运动状态分类 足底压力静态着力点特征: 取足底的几个主要着力点的特征值； 足底压力着力点动态变化特征: 在一段时间内，主要着力点压力变化的特征。 步频数量特征E1 步频间隔特征E2 步频间隔波动特征E3 步态幅值特征E4 步态幅值波动特征E5 硬件平台搭建 特征提取 检测机理分析 技术路线 运动状态分类 从压力曲线图中提取相应的步态特征，构成一个特征向量矩阵。使用该矩阵作为步态模式，利用识别算法，可进行运动人体行为识别。—— BP神经网络 支持向量机 算法思想 预期目标 3 预期达到的目标及考核指标 预计目标 检测机理研究 完成基于足底压力特征的步态识别方法研究 系统搭建 设计并搭建步态识别硬件实验系统 特征提取 分析足底压力信息中的潜在规律，提取步态特征参数 运动状态分类 构造分类器， 建立特征参数与运动行为之间的关系 工作计划 4 论文工作计划安排