基本信息
- 项目名称:
- 3D运动体感系统
- 来源:
- 第十二届“挑战杯”省赛作品
- 小类:
- 信息技术
- 大类:
- 科技发明制作B类
- 简介:
- 本作品借助于当下最流行的三轴加速度传感器,将这种全新的人机交互方式与运动理念相结合。通过内嵌在智能手机中的三轴加速度传感器采集用户实时的运动加速度信号。接收端程序记录这些加速度信号并对于使用者静止、走、跑、跳跃等动作进行准确识别,同时制作了精美的卡通动画来模仿使用者的运动姿态,带给使用者一种全新的用户体验。
- 详细介绍:
- 整个作品集微机电系统技术(MEMS)、信号处理、模式识别和机器学习于一体。带给使用者一种全新的人机交互形式,并对于人体健康监测和人体运动能量消耗评估起到一定指到作用。 整个作品分为手持设备端和PC端两部分。在手持设备端,加速度信号来源于搭载windows phone 7智能手机中内嵌的加速度传感器。在PC端,加速度信号来源于放在使用者裤袋中的加速度传感器。 借助于3G网络和云计算平台,随时随地上传运动信息,通过云服务器强大的计算能力,分析使用者运动状况,给予科学而全面的指导。
作品专业信息
设计、发明的目的和基本思路、创新点、技术关键和主要技术指标
- 目的: 我们利用手持电子设备加速度传感器所采集到的人体运动信号,通过一系列算法来进行动作识别。并制作卡通造型人物来模仿使用者的各种运动动作,以此达到吸引用户参加运动的目的,引导他们减轻或消除“亚健康”。 基本思路: 在采集到由加速度传感器传来的加速度信号后会先进行信号的预处理,主要目的是去除噪声,以及根据使用目的将信号分离。 特征提取时我们提出了基于小波变换AR模型的特征提取,平均识别率达到91.26%。 在识别分类时,分类器通过一定算法进行匹配计算,选出相似度最高的参考模板的类别作为识别结果。 创新点: 1.本作品利用加速度传感器体积小、重量轻,时间分辨率高,其输出更能反映人体的真实运动状况等特点,将加速度传感器与人体运动相结合。 2. 本作品,手持设备端程序基于微软最新开发的windows phone 7手机操作。 3. 本作品可以不受场地天气的限制,可以随时随地的进行运动状态的监测与上传,给予科学而全面的指导,使得使用者达到科学锻炼的目的。 技术关键: 1. 信号预处理 2. 信号分析 3. 失重检测 4. 特征选择 5. 动作识别 技术指标: 1. 基于失重特征,传感器位置在裤袋中的平均识别率为97.52%;手持的平均识别率为97.02%。 2. 基于失重特征,传感器位置在裤袋中对于静止、走、跑、跳的识别率分别为98.25%、98.54%、97.38%、95.93%。
科学性、先进性
- 1.通过云计算平台,建立个人动态运动信息数据库。 而本作品提出一种云计算体系结构,通过手机终端或与传感器相连的电脑终端,上传经过压缩的用户运动数据到云平台。在云平台上建立用户个人的动态运动数据库,通过对运动数据的分析,可以得到用户的健康状况、运动状况等信息。 2.使用Windows phone 7系统,实现完美的界面和触控效果。 本作品采用Windows phone 7系统作为手机软件开发的平台。其全新的界面,全新的触控体验使得本作品具有完美界面和触控效果。 3.两种移动端传感器方式。 为适用更广泛的人群,本作品的传感器可以有两种载体。可以使用手机内的传感器载体,也可以专门制作传感器载体,使之容易佩戴。 4.卡通动画人物造型,实时模拟用户的行走、蹦跳等动作 本作品实现了使用卡通人物造型,实时模拟传感器携带者的行走、蹦跳等动作,动画制作具有趣味性。虚拟人物与传感器携带者同步地运动,给用户带来了极佳的用户体验。
获奖情况及鉴定结果
- 作品2011年3月24日至25日在华南理工大学“赛莱拉”第十二届“挑战杯”大学生课外学术科技作品竞赛上获得校内赛二等奖。
作品所处阶段
- 应用测试阶段
技术转让方式
- 无
作品可展示的形式
- 实物、产品、现场演示、录像
使用说明,技术特点和优势,适应范围,推广前景的技术性说明,市场分析,经济效益预测
- 技术特点: 1.采用WP7平台,可通过微软Web Sensor技术完成信息的采集和复杂的云端计算; 2.通过现有的传感器实现了手持终端体感检测和运算功能; 本作品的优势在于: 1.采用一种全新的失重特征方法检测使用者的运动状态;利用重力矫正算法避免了手机方向角度的改变对检测结果的影响。 2.软件可以通过文字和实时的卡通动画显示使用者当前的运动状态,例如静止、走、跑或者跳; 3.可以根据您向软件设定的性别、身高、体重信息,计算和显示运动的步数、行走距离、实时运动速度和累计消耗的能量。 推广前景: 它可以不受场地天气的限制,可以随时随地的进行运动状态的监测与上传,借助于3G网络的全面发展和云计算平台的推广,就可以轻易的建立一个个人的运动状况档案,使得使用者可以达到一个科学锻炼的目的。 市场分析和经济效益预测: 相信随着云计算的普及,使用者可以随时随地得到自己当前的运动状况和相应的运动参考。在健康越来越被重视的今天,我们的应用一定会拥有一个美好的前景。
同类课题研究水平概述
- 越来越多的研究表明,人体运动加速度信息能反映人体运动时的重要运动学特征和步态特征,人体运动加速度信息对于运动健康、医疗康复和特殊疾病的诊断具有重要意义。因此,很多研究机构和研究人员开始对人体运动加速度信息进行获取,并进行相关的应用研究。随着人体运动加速度信息近来被越来越多的研究人员关注,也出现了越来越多的基于人体运动加速度信息的研究成果。 Jani Manty jarvi等人采用ADI公司的双轴加速度传感器ADXL202,将相互垂直的双轴加速度传感器安装在测试对象的腰部,从而获取人体运动时腰部的加速度信息,他们只考虑了两个方向的加速度信号,并采用相关性方法、FFT方法和两变分的数据分布统计方法对便携式装置的主人进行识别,取得的最佳相等错误率分别为7%、10%、18%和19%。 Davrondzhon Gafurov等人也采用ADI公司的双轴加速度传感器ADXL202,利用相互垂直的双轴加速度传感器测量三维的运动加速度,不同的是,他们将加速度传感器安装在测试对象的脚踝处,并在信息处理时,考虑了三个方向的加速度信息,采用累计柱状图相似性和周期长度两种方法进行识别,取得的相等错误率分别为5%和9%。 S.H.Shin,C.G.Park和J.W.Kim,H.S.Hong等人将加速度传感器安置于人体上,来获取步行或跑步时腰部的加速度信息。通过对获得的加速度信息进行分析和处理,并通过一定的算法,分析出目前正在进行的人体运动的状态,并通过建立经验公式等算法,进行运动过程中步频、步长以及运动总路程的估算。 Jee Hyun Choi,Jeongwhan Lee,Hyun Tai Hwang等人将三维加速度传感器安置在人体的腰部,获取人体运动时腰部的加速度信息,然后通过信号处理和算法分析,估算整个运动过程中的能量消耗等各种研究。 上海交通大学的陈雷,杨杰,沈红斌等,选用KXM52-1050三维加速度传感器装置在人体胯部,利用计算机对传感器的数据进行独立分析,从而进行人体动作识别。他们提出了一种基于加速度信号几何特征的层次识别算法以识别多种人体运动行为,所选取的特征对个人依赖较小。识别的过程采用了分层识别算法。该算法识别速度快,准确率高,在实际应用中取得了较好的效果。通过大量的实验,表明该算法对动作的识别正确率在80%以上。