發(fā)布時(shí)間：2021-01-11 08:05

　　本文提出一種基于Arduino單片機(jī)和神經(jīng)網(wǎng)絡(luò)的智能拳擊手套設(shè)計(jì)方法。該方法采用Arduino單片機(jī)內(nèi)含的姿態(tài)傳感器采集三軸加速度數(shù)據(jù),首先將采集的標(biāo)準(zhǔn)模型數(shù)據(jù)輸入Curie神經(jīng)網(wǎng)絡(luò)芯片進(jìn)行學(xué)習(xí)訓(xùn)練,然后將采集的動(dòng)作數(shù)據(jù)輸入訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行判決,最后通過藍(lán)牙端口將判決結(jié)果顯示在電腦端的Arduino IDE。實(shí)驗(yàn)表明,本系統(tǒng)能準(zhǔn)確識(shí)別直拳、勾拳、擺拳三種基本的拳擊動(dòng)作。 

【文章來源】：阜陽師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2020,37(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

預(yù)處理后數(shù)據(jù)

本文的設(shè)計(jì)思路為：首先采集標(biāo)準(zhǔn)拳擊動(dòng)作的三軸加速度值，對這一組加速度值進(jìn)行特征抽取，以此建立標(biāo)準(zhǔn)動(dòng)作的模型。將已建立的標(biāo)準(zhǔn)模型輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)（訓(xùn)練），然后將出拳人的運(yùn)動(dòng)數(shù)據(jù)實(shí)時(shí)采集并再次進(jìn)行特征抽�。ㄅc標(biāo)準(zhǔn)模型算法一致），最后將輸出的特征數(shù)據(jù)送入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，通過網(wǎng)絡(luò)判別該組數(shù)據(jù)與標(biāo)準(zhǔn)動(dòng)作的相似度，從而對該次動(dòng)作做出判決，其中神經(jīng)網(wǎng)絡(luò)的識(shí)別與判斷使用Curie芯片完成。具體實(shí)施方案如圖1所示。2 基礎(chǔ)硬件設(shè)計(jì)

Curie神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和識(shí)別的功能基于兩種模式，分別是RBF(radial basis function）模式和KNN(k-nearest neighbor)模式[12]。當(dāng)處在學(xué)習(xí)狀態(tài)下，RBF和KNN公用一套學(xué)習(xí)機(jī)制，隨著不同類別的向量的學(xué)習(xí)，不停修正自己。當(dāng)處在識(shí)別狀態(tài)時(shí)RBF和KNN有兩種識(shí)別方式，如圖2,(a）圖表示空間被部分地映射為未分類的區(qū)域，具有多種顏色的區(qū)域是不確定區(qū)域。（b）圖表示整個(gè)空間被映射，并且每個(gè)位置都有一個(gè)可能的類別（顏色代碼）。RBF的識(shí)別方式為：若待識(shí)別的向量落在未知類別的作用域，會(huì)返回unknown；若落在已知類別的作用域上，則分別計(jì)算與其每一個(gè)類別中心的距離值，并返回列表，列表按照與每一個(gè)類別中心的距離值依次遞增而排列。KNN的識(shí)別方式為：若待識(shí)別的向量落在未知類別的作用域，只會(huì)返回一個(gè)確定的落在已知域的類別，而且一定會(huì)返回一個(gè)已知類別，因?yàn)樗�不存在unknown。本系統(tǒng)設(shè)計(jì)選取RBF模式的學(xué)習(xí)和識(shí)別模式。軟件實(shí)現(xiàn)過程如圖3。圖3 動(dòng)作學(xué)習(xí)和識(shí)別流程

【參考文獻(xiàn)】：
期刊論文
[1]Traffic prediction using a self-adjusted evolutionary neural network[J]. Shiva Rahimipour,Rayehe Moeinfar,Mehdi Hashemi.  Journal of Modern Transportation. 2019(04)
[2]基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人激光傳感定位技術(shù)[J]. 劉曉剛,張斌.  激光雜志. 2019(11)
[3]基于超像素多特征融合的快速圖像分割算法[J]. 侯小剛,趙海英,馬嚴(yán).  電子學(xué)報(bào). 2019(10)
[4]基于MSP430的智能數(shù)據(jù)采集系統(tǒng)[J]. 岳洋,焦運(yùn)良,邢計(jì)元.  信息技術(shù)與網(wǎng)絡(luò)安全. 2019(10)
[5]基于Arduino的全地形賽車多功能儀表系統(tǒng)[J]. 張曉曉,馬其華,何晨曦,王悅凡,韓惠羽.  傳感器與微系統(tǒng). 2019(08)
[6]基于Qt/C++的實(shí)時(shí)庫測試系統(tǒng)[J]. 張玉中,浮明軍,李國杰,常衛(wèi),楊豐源,谷威.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(07)
[7]基于Arduino的單相用電器分析檢測裝置設(shè)計(jì)[J]. 王瑞琦.  自動(dòng)化與儀表. 2019(06)
[8]模糊函數(shù)主脊切面極坐標(biāo)域形態(tài)特征提取方法[J]. 普運(yùn)偉,郭媛蒲,侯文太,馬藍(lán)宇.  儀器儀表學(xué)報(bào). 2018(10)
[9]一種基于正則化和改進(jìn)GMRES技術(shù)的圖像復(fù)原算法[J]. 丁伯倫,凌婷婷,劉樹德.  阜陽師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(03)
[10]基于多傳感器耦合的客船應(yīng)急疏散系統(tǒng)研究[J]. 馬全黨,劉森,蘇昂,譚恒濤,謝娜.  自動(dòng)化與儀表. 2018(07)



本文編號(hào)：2970402