论文部分内容阅读
为满足用户在家中进行哑铃锻炼的需求,本文基于MEMS传感器设计并实现了一个哑铃动作识别与能耗计算系统。不同于在健身房中锻炼,健身教练可给出详细的锻炼方案,并且实时纠正错误的动作,用户在家中锻炼需要自己掌握锻炼的肌肉部位,以及锻炼的效果。本系统通过采集用户哑铃锻炼的动作,识别和分析用户的动作类型、消耗能量、锻炼部位等,从而帮助用户进行正确有效的哑铃锻炼。系统分为动作采集端与计算机端两部分,动作采集端与计算机端之间通过蓝牙通信。为采集用户的运动数据,本文首先设计并实现了动作采集端。动作采集端主要负责采集运动数据,包括三维加速度、三维角速度等数据,并进行姿态解算,计算出欧拉角,为计算机端识别哑铃动作和计算哑铃运动消耗能量等工作提供数据。动作采集端由运动采集电路和普通的重量可调式哑铃组成,将运动采集电路固定于普通哑铃上,以达到采集哑铃运动数据的目的。运动采集电路主要由微处理器、运动传感器、蓝牙射频、输入输出(I/O)、电源等组成。微处理器采用了以ARM Cortex-M3为核心的STM32F103C8T6微控制器;运动传感器采用了MPU-9250九轴运动跟踪传感器,利用该传感器的DMP模块,可进行姿态解算,提供姿态数据;蓝牙射频收发采用USR-BLE101模块,该模块支持BLE 4.1协议;I/O部分包括按键、LED,以及扩展接口等;供电采用CR2032纽扣电池,通过处理器和传感器灵活的休眠与唤醒机制,可有效节约能量。动作采集端将采集到的运动数据按照预先定义的帧格式打包,通过BLE 4.1发送到计算机端。计算机端主要负责哑铃动作识别与能耗计算,包括动作识别方法和能耗计算方法两部分。本文提出了一种基于MEMS传感器的动作识别方法,该方法通过读取三维加速度与三维角速度的实时采样数据,并对数据进行加速度分解、滤波、周期判定、归一化等处理后,与特征数据库中的数据进行相似度分析,再通过比较待测动作与数据库中每组动作的皮尔逊相关系数,从而实现对特定动作的识别,并可对重复性动作进行计数。本文对6种常见哑铃动作进行了动作识别实验,验证了动作识别方法的有效性,且平均识别率达到94%。能耗计算方法对每种哑铃动作所锻炼的肌肉部位进行分析,同时通过对哑铃动能的计算,分析了每种动作的能量(热量)消耗情况,进而统计了每个肌肉部位所消耗的能量与用户消耗的总能量。通过哑铃动作识别与能耗计算系统,用户能够精确地掌握自身肌肉的锻炼情况,从而更加科学地进行哑铃锻炼。