|
关于人体姿态识别系统 想体验一下在STM32F769上体验一下目前测试中的人体运动姿态识别系统。此系统分为两个部分，传感器子节点采用STM32L053低功耗芯片，并搭载超低功耗加速度传感器ADXL362和角速度传感器L3GD20，主要从低功耗的角速度来选型，通过采集人体运动时的加速度数据和角速度数据，并通过识别算法来输出识别结果。最后通过蓝牙吧识别结果传输至STM32F769开发板上，借助STM32F769强劲的图形加速功能，开发板可以以图片的形式快速显示代表识别结果的人体运动状态，并保证整个系统的流畅和低延时性。 另一方面，从现在主流穿戴式设备和个体ID相绑定的角度来考虑，利用STM32F769强悍的运算功能，可以在开发板上跑一个人体习惯监测算法，获取所绑定个人的习惯性数据，从而为运动识别获得更为精准的阈值，从而提高运动姿态识别准确率。 还有一点就是STM32F769的停止模式的典型功耗为100uA，与STM32F427系列接近，所以这样来说STM32F769 在拥有异常凶悍功能的同时，可以维持一个较低的功耗，这对于整个系统还是非常有必要的。 所以，总的来说，我们目前在做的人体运动姿态识别系统可以充分利用STM32F769的以下功能，把它们发挥到极致。 （1）主频为216MHZ，运算性能强悍。所以很好奇之前没有用过CoreMask跑分，打算用测试一下跑分结果，并和STM32F469以及STM32F103做一下对比，用数据说话，测试看看它们之间的差别到底有多少 （2）STM32F769的图形加速功能。 （3）在功能强大的同时功耗可以做的很低。
STM32F769I开发板测评计划 2016.12.3-2016.12.4 STM32F769I开发板开箱鉴赏，细致解析开发板全方位的的外观图，包括一些细节特写等。开发板的硬件资源介绍以及在开发板上的分布情况，调试部分介绍，第三方设备资源等。 2016.12.5-2016.12.11 进行基础实验的测试工作。从最基础的如何配置开发板运行环境开始，包括PC算驱动安装，如何使用Cube以及使用第三方软件进行开发，接下来是基础的实验教程部分，移植官方的基础实验例程，包括从最简单的跑马灯程序再到定时器的使用，外部中断、串口打印、LCD屏显示图片、USB等。还有一个部分是使用CoreMask跑分，并测试STM32F103，STM32F4，STM32F769在跑分上的差别。 2016.12.12-2016.18 从本周开始进行人体姿态检测系统在STM32F769I上的开发和算法移植工作。这周移植加速度传感器ADXL362和角速度传感器L3GD20的驱动，并进行测试整个传感器子节点的人体姿态识别的准确率。 2016.12.19-2016.12.25 STM32F769I开发板图形界面的设计与开发，设计各种运动姿态所对应的图形，测试在开发板上显示图片的速度和显示效果。另外一部分就是在开发板上运行习惯监测算法测试时间效率。 2016.12.26-2017.1.3 系统总调试。传感器子节点采集人体运动数据经过识别算法得到的识别结果通过蓝牙串口模块传送至STM32F769I开发板上，开发板一图形的形式直观显示识别结果，另外STM32F769I开发板上运行的习惯监测监测算法可以获得更为精准的动态阈值。
| 
发表于 2016-11-26 19:20:53
楼主
