1、基于足底压力的人体运动识别研究基于足底压力的人体运动识别研究目录 Contents03101719Page论文选题依据论文选题依据1 1论文研究方案论文研究方案2 2预期目标预期目标3 3工作计划工作计划4 4论文选题依据论文选题依据1 1论文选题意义论文选题意义国内外研究现状国内外研究现状12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 常用人机交互策略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
2、别方法基于视频的步态识别方法基于加速度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计算机视觉需保证行走方向与镜头主轴垂直需保证行走方向与镜头主轴垂直易受环境变化影响易受环境变化影响尚处于研究初期阶段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各传感器间位置关系不易控制识别精度较低识别精度较低足底压力信号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目前使用范围012345-80-60-40-200Time(s)Knee angle()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
3、其他神经性问题国内外研究现状课题来源课题来源： 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论文研究方案2 2研究目标及研究内容研究目标及研究内容拟解决的关键问题和难点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拟采用的研究方法、技术路线、实验方案及预期的新意123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关键问题和难点难难点点可
4、穿戴式采集装置系统设计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硬件平台搭建特征提取特征提取检测机理分析检测机理分析技术路线运动状态分类运动状态分类图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硬件平台搭建特征提取特征提取检测机理分析检测机
5、理分析技术路线运动状态分类运动状态分类压力感知部分压力感知部分微处理器部分微处理器部分无线通讯部分无线通讯部分后台处理部分后台处理部分FSR402压阻传感器最小系统nRF24L01PC机硬件平台搭建硬件平台搭建特征提取特征提取检测机理分析检测机理分析技术路线运动状态分类运动状态分类鞋主机适配器硬件平台搭建硬件平台搭建特征提取特征提取检测机理分析检测机理分析技术路线运动状态分类运动状态分类足底压力静态着力点特征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E
6、2 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硬件平台搭建硬件平台搭建特征提取特征提取检测机理分析检测机理分析技术路线运动状态分类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神经网络神经网络 & 支持向量机支持向量机算法思想预期目标预期目标3 3预期达到的目标及考核指标预期达到的目标及考核指标预计目标检测机理研究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系统搭建设计并搭建步态识别硬件实验系统特征提取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运动状
7、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工作计划4 4论文工作计划安排论文工作计划安排论文工作计划安排ReferenceZoss, A. B., Kazerooni, H., and Chu, A., “Biomechanical design of the Berkeley lower extremity exoskeleton (BLEEX),” IEEE/ASME Transaction on Mechatronics, Vol. 11, No. 2, pp. 128-138, 2006.Lee, S. W. and Sankai, Y., “Virtual imp
8、edance adjustment inunconstrained motion for an exoskeletal robot assisting the lower limb,” Advanced Robotics, Vol. 19, No. 7, pp. 773-795, 2005.Dollar, A. M. and Herr, H., “Design of a quasi-passive knee exoskeleton to assist running,” Proc. of the IEEE/RSJ Int. Conf. Intell. Rob. Syst., pp. 747-7
9、54, 2008.陈炜, “一种用于步态检测的柔性双足助力机器人感知系统的研究”, 硕士学位论文, 合肥: 中国科学技术大学, 2010. Heedon Lee, Wansoo Kim, Jungsoo Han, Changsoo Han, “The Technical Trend of the Exoskeleton Robot System for Human Power Assistance”, INTERNATIONAL JOURNAL OF PRECISION ENGINEERING AND MANUFACTURING, 2012, Vol. 13, No. 8, pp. 1491-1497. 石欣, “基于压力感知步态的运动人体行为识别研究”,博士学位论文, 重庆:重庆大学, 2010.a23November, 2012PRESENTED BY CAO CHUNTHANKS!
