基于TrustZone的密码令牌系统设计与实现

提出了一种基于TrustZone的密码令牌系统,该系统包含数据处理单元、通信模块和上位机软件平台三部分。数据处理单元可生成公私钥对,并对输入的数据进行数字签名;通信模块负责上、下位机之间的数据加密通信;软件平台用于人机交互及处理签名数据,并借助区块链技术保障数据的有效存储。实验证明,该系统在硬件层面运用TrustZone技术特有的“安全核”架构,保障了用户进行电子身份认证时的数据安全性、完整性,实现了数据的防篡改及可追溯。

基于图像处理的跑步机速度自适应技术研究

随着物质生活水平的提高,越来越多的人开始关心自身的健康状态,并积极投入健康运动。电动跑步机体积小、节约空间、操作简便,已经成为常用的健身器材之一。然而,在传统电动跑步机的使用过程中,跑步者必须被迫调节自身速度去适应跑步机预设的固定速度,严重影响了跑步者运动时的主动性和轻松感,也限制了电动跑步机的应用拓展;机械跑步机虽能实现速度的自跟随,但其对运动者肌肉关节的损伤不容忽视。因此,一种能够判断运动者加减速意图,并实时控制跑步机电机速度的技术变得尤为重要,速度自适应跑步机在日常锻炼与医疗复健领域都有着广阔前景。从计算机视觉的角度着手,基于对运动者走、跑的视频图像序列的处理,取得人体的运动特征并对其进行分析,提出实时控制跑步机电机速度的方案。通过实验验证,最终实现跑步机的速度自适应控制。

基于MEMS的人体行为特征反演系统设计

人体运动过程较为复杂,传统人体运动姿态识别方法识别动作较为单一,且准确性较低。为了满足人体运动方式检测的需求,设计并实现了基于MEMS惯性传感器的人体行为特征反演系统,结合多传感器信息对人体运动姿态进行识别,提高识别的种类及准确率。系统平台采用核心处理器STM32搭配传感器模块MPU9250组成惯性测量单元,采集人体运动信号,并对采集到的信号进行预处理。研究不同运动模式下的姿态角信息及其变化规律,分析并提取其中最能够反映人体运动的特征参数,构建人体姿态特征库。使用基于K最近邻分类算法对样本数据进行训练,建立人体行为特征模型,实现了对不同人体运动姿态的准确识别,同时将姿态识别结果上传至云服务系统;并对人体运动数据进行长时期的跟踪分析,进而反演出用户24小时内的行为活动方式。大样本测试结果表明,该系统测量各姿态评估准确性高,重复性好。

基于AFE4300肌少症风险评价系统的研究

随着现代人生活的改变,越来越多的中老年人因缺乏锻炼而患有肌少症,进而导致肌肉萎缩的发病率增加。为了及早地判断是否患有肌少症的风险,本文实验通过生物电阻抗法对人体进行了检测。基于AFE4300设计了一套四电极的人体生物电阻抗测量系统,该系统以STM32单片机为核心,由AFE4300模块、数字握力计模块、串口模块、电源模块和上位机等组成。采用AFE4300模块对人体四肢阻抗进行测量,拟合计算出四肢骨骼肌含量,以及使用数字握力计对实验对象进行握力测量,结合四肢骨骼肌含量和握力值大小,在国家肌少症评判标准上进行对比优化,将风险状况分为低风险、中等风险和高风险3个级别。通过对18岁以上的人群进行实验,结果表明,该系统能更好地反映出人体肌少症的风险状况。