毕业论文范文模板
课题背景和目的:
近几年,健康己成为人们讨论的热门话题。影响身体健康的因素有许多,可以从外因与内因两个角度出发。外因是指外部的环境因素,包括空气、光照和平时饮食、作息安排等。而内因则是与人们的内心密切相关。随着生活节奏的加快,大部分人基本忙于工作,作息时间不规律,少运动,时间越长,积累的问题可能就越多,身体会慢慢地出现各种各样不适。身体健康是一切的基础,如果没有良好的身体作为支撑,进行其他的工作活动会相当地困难。为了能让身体保持良好的状态,必须寻求使身体保持良好状况的方式。除了改善饮食和作息习惯外,适量是日常运动也是很必要的。而人的日常运动恰好是人们行为活动的重要组成部分,与人的身体健康程度密切相关,因此可以考虑把人的日常运动量作为健康评估的一个参考。日常的运动包括走、跑、跳、上楼梯和下楼梯等各项运动,通过这些日常活动的运动量统计就可以间接反映出一个身体状况的走向。
获取人体行为信息方法现在基本有两种:一种为基于视觉,另一种基于传感器。基于视觉的人体行为识别技术起步比较早,理论研究比较成熟,识别成功率与算法的复杂度都比较理想,但是基于视觉的人体行为识别方法有一个缺陷:容易受对外部环境的影响,需要充足的光线、背景条件才可以获取运动的图像。还有,基于视觉的方法可能会侵犯用户的隐私,毕竟是要在摄像仪器下进行。与之相比,基于加速度传感器的人体行为识别方法有着十分明显的优势,它可以自由地获取人体日常行为数据,方便用户携带,而且不侵犯用户隐私。加速度为力学信息,只要用户身上携带着加速度传感器的设备,就可以通过传感器来获取人体运动信息,通过相应的算法就可以估算出人所走的步数、路程和消耗能量,或者是走路、跑步持续的时间,这些算法己经有人在研究,但其效果和研究者采集到数据密切相关。
随着微型机系统技术(MEMS)的不断提高,体积小、灵敏度高和价格低廉的MEMS加速度传感器开始广泛地应用于手机、游戏机等电子消费产品,这为本应用研究提供硬件的基础。近几年,智能手机深受广大的消费者青睐,尤其智能手机应用市场。Android操作系统,自2005年被Google收购后,并建成手机开发者联盟,提供免费的开发环境和大大部分源码的开放,自此飞速地发展。到2013年初,据中关村在线软件资讯尽管在大多数人的印象里Android应用软件的数量远比不上i0S应用,但在2012的最后一个月,Android应用数量首先突破100万大关,成功超越了苹果。不管是i0S,还是Android,都为移动互联网的发展提供了无限应用开发前景市场。 课题拟解决的问题:
1、部分健康运动应用利用GPS进行运动轨迹跟踪,但从使用的用户评论中看到定位结果与实际运动轨迹出现很大偏差的情况,这可能没有考虑除去用户在建筑内部的情况。
毕业论文范文模板
2、几乎大部分的健康运动应用都可以记录用户的基本运动信息,例如计步、运动速度、运动时间、运动消耗能量、运动距离等,但是缺乏精细运动的分析识别(例如区分走路或跑步、区分跳跃运动等),也没有跌倒检测功能。有些有历史记录,却没有分时段的历史记录。 本课题需要的软硬件环境:
Windows环境下Eclipse Juno Service Release 1 JDK1.6
Android SDK和ADT组成开发环境,编译环境为android 课题的预期目标和成果:
根据官方提供的加速度传感器接器,本应用实现走、跑、跳和静止、上和下楼梯等各种运动状态的采集,并对其归一化处理,保存在手机记忆卡。采集的方式,分定时采集和非定集。定时采集,即手动开启采集功能,在设定的时间内,自动完成数据采集、保存和停止采集;非定时采集方式即手动开启采集功能,在没有手动关闭前,采集数据是一直进行着,直至手动关闭或者内存耗尽出错为止。两种采集的方式在开启时,都有一个5秒的钟的倒计时,这样可以给受测者有准备的时间。除了采集数据外,还需要对所采集到的数据进行查看。还有额外附加功能,记录受测者的性别、身高和体重等信息。 主要工作任务:
本应用研究,将会在Android与ios两个平台分别实现人体日常行为识别,统计人在一天当中的各时间段的运动情况,基本动作包括静止、走、跑、跳和跌倒,运动数据包括能量消耗、路程和速度。借助GPS定位功能记录用户的运动路线,以供用户网络分享。并实现了结合地理信息的跌倒检测、久坐检测。 本课题的成果形式:
基于安卓的人体运动状态监测系统的程序代码 完成该课题人员的毕业论文
基于安卓的人体运动状态监测系统软件与演示平台 主要参考文献:
毕业论文范文模板
[1]王培勇,张新贵,傅兰英. 运动心率和运动动作实时监控装置的设计和集成[J]. 中国康复理论与实践,2016,01:23-26.
[2]刘业飞. 基于共性功能需求的智能化健身器械的研发[J]. 自动化与仪器仪表,2016,07:264-265.
[3]魏秀梅. 加速度传感器在生物医学领域的应用[J]. 中国医疗设备,2016,09:84-86+99.
[4]郭晓光. 可穿戴式运动负荷监测技术的研究[D].中北大学,2016.
[5]刘敏. 中国优秀手枪射击运动员持枪臂表面肌电特征及其训练监测系统的应用研究[D].山西大学,2010.
[6]王昊然. 基于WSN的智能矿井信息采集和分析系统研究与设计[D].山东大学,2013.
[7]蔡曙光. 基于RT-Thread的便携式健康监测仪的设计与实现[D].安徽大学,2015. [8]赵婧. 基于可穿戴技术的信息处理与数据融合算法研究[D].北京服装学院,2015.