传感器人体运动行为特征识别研究进展

doi:10.3778/j.issn.1002-8331.1809-0016

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (1): 23-28.DOI: 10.3778/j.issn.1002-8331.1809-0016

传感器人体运动行为特征识别研究进展

景元1，2，吉爱红2，张曦元2，3，宋雅伟4，陈炜峰1

1.南京信息工程大学自动化学院,南京 210044
2.南京航空航天大学仿生结构与材料防护研究所,南京 210016
3.南京体育学院奥林匹克学院,南京 210000
4.南京体育学院运动健康科学系,南京 211014

出版日期:2019-01-01 发布日期:2019-01-07

Development of Human Action Feature Recognition Using Sensors

JING Yuan1，2, JI Aihong2, ZHANG Xiyuan2，3, SONG Yawei4, CHEN Weifeng1

1.School of Automation, Nanjing University of Information Science & Technology, Nanjing 210044, China
2.Institute of Bio-inspired Structure and Surface Engineering, Nanjing University of Aeronautics & Astronautics, Nanjing 210016, China
3.College of Olympic, Nanjing Sport Institute, Nanjing 210000, China
4.Department of Sports & Health Science, Nanjing Sport Institute, Nanjing 210014, China

Online:2019-01-01 Published:2019-01-07

摘要/Abstract

摘要： 人体运动行为特征识别在医疗健康、人机接口、体育竞技等诸多领域都有广泛应用。介绍了常见的用于运动数据采集的传感器和相应方法，简述了运动数据预处理的一般手段；介绍了运动数据特征提取的过程，重点描述了常见运动行为特征识别方法的研究现状，并简述其应用现状。最后，指出了目前运动行为特征识别中所面临的问题，并给出了未来的发展方向。

关键词: 人体运动行为, 特征识别, 加速度传感器, 压力传感器, 肌电信号

Abstract: The recognition of human action feature has a widely use for medical health, man-machine interaction, sport competition and so on. Firstly, the common sensors and methods for motion data acquisition are introduced. Secondly, the general methods for motion data preprocessing are briefly described. And then, the feature extraction of motion data is introduced. Then the research status of feature recognition is pointed out, and the application status is briefly described. Finally, the problems faced in the current and the future development are put forward.

Key words: human action, recognition of feature, acceleration sensor, pressure sensor, electromyography

景元1，2，吉爱红2，张曦元2，3，宋雅伟4，陈炜峰1. 传感器人体运动行为特征识别研究进展[J]. 计算机工程与应用, 2019, 55(1): 23-28.

JING Yuan1，2, JI Aihong2, ZHANG Xiyuan2，3, SONG Yawei4, CHEN Weifeng1. Development of Human Action Feature Recognition Using Sensors[J]. Computer Engineering and Applications, 2019, 55(1): 23-28.

[1]	隋修武，牛佳宝，李昊天，乔明敏. 基于NMF-SVM模型的上肢sEMG手势识别方法[J]. 计算机工程与应用, 2020, 56(17): 161-166.
[2]	张龙娇，曾晓勤. 基于深度神经网络的sEMG手势识别研究[J]. 计算机工程与应用, 2019, 55(23): 113-119.
[3]	郇战，李晨，万彩艳，陈学杰. 基于步行加速度信息分割的人员识别[J]. 计算机工程与应用, 2019, 55(1): 203-209.
[4]	李昕咛，周治平，刘乐乐. 结合多传感器信息分析的手机用户认证方案[J]. 计算机工程与应用, 2018, 54(1): 140-145.
[5]	马正华1，李雷2，乔玉涛2，戎海龙3，曹海婷2. 基于多传感器融合的动态手势识别研究分析[J]. 计算机工程与应用, 2017, 53(17): 153-159.
[6]	徐仙1，2，卢先领1，2，王洪斌1，2. 行为识别中基于GA优化的加速度特征选择方法[J]. 计算机工程与应用, 2016, 52(6): 139-143.
[7]	秦昉1，孙子文1，白勇2. 基于智能手机的实时跌倒检测系统研究[J]. 计算机工程与应用, 2016, 52(11): 136-140.
[8]	徐笑宇，姚鹏. 基于HOG与改进的SVM的手掌静脉识别算法[J]. 计算机工程与应用, 2016, 52(11): 175-180.
[9]	王红旗，李林伟，毛啊敏. 基于小波包的表面肌电信号特征表示与识别[J]. 计算机工程与应用, 2015, 51(9): 217-220.
[10]	陈玲，杨天奇. 基于质心和轮廓关键点的步态识别[J]. 计算机工程与应用, 2015, 51(19): 173-177.
[11]	周博翔，李　　平，李　　莲. 改进随机森林及其在人体姿态识别中的应用[J]. 计算机工程与应用, 2015, 51(16): 86-92.
[12]	王杰锋，周治平，苗敏敏. 移动终端手势识别中DTW匹配算法研究[J]. 计算机工程与应用, 2015, 51(13): 197-201.
[13]	熊平，唐建. 表面肌电信号前端处理系统[J]. 计算机工程与应用, 2015, 51(1): 218-222.
[14]	钟相强. 基于成组原理的船舶件排样系统研究[J]. 计算机工程与应用, 2014, 50(15): 194-198.
[15]	姜香菊1，刘二林2. 两轮自平衡机器人角度检测数据融合算法[J]. 计算机工程与应用, 2013, 49(8): 203-205.

传感器人体运动行为特征识别研究进展

Development of Human Action Feature Recognition Using Sensors

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics