近年來智慧型手機使用量的大幅成長，重力感測器已經成為智慧型手機的標準配備，並且可以應用在體感動作偵測，提供使用者一個新的與介面溝通的方式。但是目前常見使用到重力感測器的系統，為了實做方便，通常限制了使用者持握手機的方向。
本論文提出一種在不限制使用者持握手機的條件下，利用手機上的重力感測器偵測人體的動作的方式。本論文並且應用拉邦動作分析來針對使用者的動作進行判斷與分類。

In recent years, due to the growth of the Smartphone users, the G-sensor has already become the standard equipment on Smartphone. Besides, G-sensor can be applied to the body motion sensing and provide new communicating interface for users. However, for easy implementation of gravity sensing system, the application would usually restrict users the way of holding Smartphone.
In this thesis, we propose a method that can analyze the body motion without restricting the way users hold their phones by the G-sensor of the Smartphone. In this thesis, we analyze and classify the motions of users with LMA.

第一章 緒論	1
1.1	研究動機及研究目的	1
1.2	論文架構	4
第二章 相關研究	6
2.1	移動感測技術	6
2.1.1	光感測系統	6
2.1.2	距離感測系統	8
2.1.3	G-Sensor感測系統	9
2.2	拉邦動作分析	10
第三章 研究內容與方法	12
3.1	系統架構	12
3.2	感測器資料收集	14
3.3	重力加速度之消除	18
3.4	Global Space中的速度方向感測	23
3.4.1	上下方向偵測	24
3.4.2	左右方向偵測	26
3.4.3	前後方向偵測	28
3.5	Global Space中的速度大小偵測	29
3.6	使用者動作分析	35
3.6.1	Space Effort	35
3.6.2	Weight Effort	39
3.6.3	Time Effort	40
第四章 模擬實作與結果討論	41
4.1	模擬實作說明	41
4.1.1	模擬實作目標	41
4.1.2	模擬實作環境	41
4.1.3	模擬實作介面	42
4.2	模擬結果與討論	44
4.2.1	Global Space轉換	44
4.2.2	Global Space轉換形成之誤差	47
4.2.3	動作還原系統	49
4.2.4	拉邦動作分析與即時回饋系統	51
第五章 結論與未來相關研究	55
5.1	結論	55
5.2	未來相關研究	56
參考文獻	58
附錄—英文論文	60

圖目錄
圖2.1　Kinect紅外光感測系統(Source: [Suma 11])	7
圖2.2　VICON可見光感測系統(Source: [McNamara 07])	7
圖2.3　距離感測系統感測目標位置的方式(Source: [Kuo 05])	8
圖2.4　距離定位法所取得的資料(Source: [Ahn 09])	8
圖2.5　可降低旋轉誤差的G-Sensor感測系統(Source: [Yi 10])	10
圖3.1　即時回饋系統與動作還原系統架構圖	13
圖3.2　手機座標軸定義	15
圖3.3　手機水平靜置時G-Sensor所感測到之資料	16
圖3.4　手機揮動時G-Sensor所感測到之數值	17
圖3.5　三軸G-Sensor感測到重力加速度與移動加速度	18
圖3.6　感測到的值減去重力即可獲得手機原始的移動加速度	19
圖3.7　手機做任意方向的等速度直線運動	20
圖3.8　手機以自身為圓心做圓周運動的其中一例	20
圖3.9　手機往其他方向做加速度運動且與重力和大小恰為1G之其中一例	22
圖3.10　不同的持握方式導致不同的判斷結果	23
圖3.11　使用者動作上下方向判斷	25
圖3.12　使用者左右方向判斷示意	27
圖3.13　使用者前後方向判斷示意	29
圖3.14　重力方向指向下方	30
圖3.15　將下方與未校正之前方做外積取得新右方	31
圖3.16　將下方與右方做外積取得較正後之前方	32
圖3.17　Direct/Indirect判斷座標軸方向	36
圖3.18　Indirect動作	36
圖3.19　Direct動作	37
圖4.1　電腦端實作介面	43
圖4.2　手機端實作介面	44
圖4.3　時間與手機三軸G-Sensor偵測到加速度原始波型	45
圖4.4　開啟重力消除模式	45
圖4.5　轉換成速度資料之波型	46
圖4.6　轉換成global space後的波型	47
圖4.7　左右擺動時以Y軸為軸心旋轉手機	48
圖4.8　以Z軸為圓心的弧線軌跡左右搖擺手機	49
圖4.9　使用者從右至左畫一上半圓	50
圖4.10　使用者由上至下畫一後半圓	51
圖4.11　使用加速度大小判斷Time Effort	52
圖4.12　使用速度大小判斷Weight Effort	52
圖4.13　使用速度方向判斷Space Effort所在的軸	53
圖4.14　使用速度方向判斷Space Effort次數	54

表目錄
表3.1　Directionup-down原始資料	37
表3.2　Directionup-down Countasix記錄	38
表4.1　動作還原系統模擬環境	42
表4.2　即時回饋系統模擬環境	42

中文部份：
[楊忠煌 09]
楊忠煌(2009)，基於G-Sensor 之3D 動作辨識系統，The 2009 Conference on Computer Science and Information Engineering Applications。

英文部分：
[Ahn 09]
Hyo-Sung Ahn, Kwang Hee Ko,“Simple Pedestrian Localization Algorithms Based on Distributed Wireless Sensor Networks,” IEEE Transactions on Industrial Electronics, vol. 56, Issue: 10, pp. 4296-4302, 2009.

[Ballagas 06]
Rafael Ballagas, Jan Borchers, Michael Rohs, Jennifer G. Sheridan, “The Smart Phone: A Ubiquitous Input Device,” Pervasive Computing, IEEE, pp. 70-77, 2006.

[Chen 10]
Jui-Fa Chen, Wei-Chuan Lin, Kun-Hsiao Tsai, Yi-Teh Lin, Shih-Yao Dai,” Body Motion Analysis for E-Learning Based on Laban Movement Analysis,” International Conference on University Basic computers Education and eLearning, 2010.

[Fang 10]
Zhen Fang, Zhan Zhao, Daoqu Geng , Yundong Xuan, 
Lidong Du, Xunxue Cui, “RSSI Variability Characterization and Calibration Method in Wireless Sensor Network,” IEEE International Conference on Information and Automation (ICIA), pp. 1532-1537, 2010.

[Gao 10]
Chunming Gao, Robert Pastel, Jindong Tan, “Yet Another User Input Method: Accelerometer Assisted Single Key Input,” 8th World Congress on Intelligent Control and Automation (WCICA), pp. 3949 - 3954, July-7-9, 2010.

[Khoshhal 10]
Kamrad Khoshhal, Hadi Aliakbarpour, Joao Quintas, Paulo Drews, Jorge Dias, “Probabilistic LMA-based Classification of Human Behaviour Understanding Using Power Spectrum Technique,” 13th Conference on Information Fusion (FUSION) , pp.1-7, 2010.

[Kuo 05]
Wen-Hsing Kuo, Yun-Shen Chen, Gwei-Tai Jen, Tai-Wei Lu, “An Intelligent Positioning Approach: RSSI-Based Indoor and Outdoor Localization Scheme in ZIGBEE Networks”, International Conference on Machine Learning and Cybernetics (ICMLC) , vol. 6, pp. 2754- 2759, 2010.

[McNamara 07]
Joseph E. McNamara, Bing Feng, Karen Johnson, Sonxiang Gu, Michael A. Gennert, Michael A. King, “Motion capture of chest and abdominal markers using a flexible multi-camera motion-tracking system for correcting motion-induced artifacts in cardiac SPECT,” Nuclear Science Symposium Conference Record, 2007. NSS '07. IEEE, vol. 6, pp. 4289-4293, 2007.

[Rett 08]
Joerg Rett, Luis Santos, Jorge Dias, “Laban Movement Analysis for Multi-Ocular Systems,” 2008 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 761-766, 2008.

[Suma 11]
Evan A. Suma, Belinda Lange, Albert “Skip” Rizzo, David M. Krum, Mark Bolas, “FAAST: The Flexible Action and Articulated Skeleton Toolkit,” Virtual Reality Conference (VR), 2011 IEEE , pp. 247-248 , 2011.

[Umemura 08]
Koji Umemura, Koki Tachikawa, Yosuke Kurihara, Kajiro Watanabe, “Analysis of Human Walking by 3-D Acceleration Sensor and Its Application,” SICE Annual Conference, pp. 1723-1726, 2008.

[Wen 09]
Tiexiang Wen, Lei Wang, Jia Gu, Bangyu Huang, “An Acceleration-based Control Framework for Interactive Gaming,” Engineering in Medicine and Biology Society, pp. 2388 – 2391, 2009.

[Yi 10]
Chih-Wei Yi, Chao-Min Su, Wen-Tien Chai, Jiun-Long Huang, Tsun-Chieh Chiang, “G-Constellations: G-Sensor Motion Tracking Systems,” Vehicular Technology Conference (VTC 2010-Spring), 2010 IEEE 71st, pp.1-5, 2010.