基于KNN算法的跑步姿態(tài)監(jiān)測與識別.pdf

1、隨著生活水平的不斷提高，借助于跑步機(jī)的健身跑步成為目前的有氧健身運動方式之一，跑步對頸椎、脊椎、心臟等各個人體機(jī)能都有好處，但是錯誤的跑步姿勢也會對運動對象造成身體關(guān)節(jié)的損傷以及其他危害。為了能讓更多的健身運動者以正確的姿勢跑步，本文針對跑步機(jī)上的跑步視頻進(jìn)行了研究。
　　隨著科學(xué)技術(shù)以及信息技術(shù)的持續(xù)進(jìn)步，視頻監(jiān)控在各種領(lǐng)域中的應(yīng)用已經(jīng)得到了普及，對動態(tài)目標(biāo)的跟蹤檢測技術(shù)是應(yīng)用視頻進(jìn)行監(jiān)控的基礎(chǔ)和關(guān)鍵，該項技術(shù)將圖像處理、模式識

2、別以及AI人工智能等多個領(lǐng)域融合到一起。在機(jī)器視覺領(lǐng)域中，以“人體運動”為對象的研究一直在不斷進(jìn)行，從人體檢測、位置跟蹤、運動軌跡跟蹤，到現(xiàn)在姿態(tài)識別、人體動作識別，已經(jīng)有了一系列相關(guān)的研究算法和成果。
　　本文以跑步機(jī)上的跑步視頻作為實驗對象，主要進(jìn)行了以下這些工作：
　?。?）首先對當(dāng)前在人體運動識別技術(shù)的應(yīng)用領(lǐng)域的背景以及意義這兩個部分的內(nèi)容進(jìn)行了簡單論述，并結(jié)合本文中的運動對象，對人體運動識別領(lǐng)域較為完整的研究成果進(jìn)

3、行比較，同時對本文的研究中會出現(xiàn)的難點進(jìn)行了分析，為本文進(jìn)行研究提供了基本思路。
　　（2）對于運動視頻中的對象跟蹤，為了獲取更準(zhǔn)確的運動軌跡，將基于Kinovea軟件的路徑跟蹤以及基于MeanShift算法的位置跟蹤方法進(jìn)行了對比，選取跟蹤結(jié)果更為準(zhǔn)確且能提高分類算法運行的跟蹤方法，本文選用基于Kinovea軟件的跟蹤方法進(jìn)行路徑跟蹤。
　?。?）介紹了當(dāng)前常用的識別算法。在進(jìn)行分類器的設(shè)計時，結(jié)合研究對象的運動模型特點，