基于MPU9250和数字孪生的人体动作识别系统设计

Design of human action recognition system based on MPU9250 and digital twin

随着传感器技术的发展,人体动作识别被广泛应用于健康监测、运动跟踪和异常动作检测等领域。本文设计了一款基于MPU9250和数字孪生的人体动作识别系统。首先,通过MPU9250惯性传感器采集人体运动数据,通过对传感器数据进行预处理,构建了一个包含10种人体运动的数据集(静止、站-蹲、蹲-坐、坐-躺、蹲-站、坐-蹲、躺-坐、走、跑和摔倒);其次,我们提出了一种多特征提取融合的深度学习模型,将人工特征提取和自动特征提取相结合;最后,利用卷积神经网络和递归神经网络的特性,对数据集进行分类,同时采用结合数字孪生的方法,将人体运动以网页界面的形式进行在线可视化展示。实验结果表明:本文提出算法在人体动作识别上实现了99.13%的准确度,该系统可以很好地将人体动作数据流进行在线可视化展示,在人体动作识别领域具有良好的应用价值。