导读:本文包含了人体数据论文开题报告文献综述及选题提纲参考文献，主要关键词:数据显示,平均体温,正常体温,温度计,内科医生,美国斯坦福大学,流行病学家,感染率,温度测量,Julie
人体数据论文文献综述
唐一尘[1]（2020）在《数据显示人体或正在降温》一文中研究指出本报讯 近日，一项颇具争议的研究显示，自19世纪以来，美国人的正常体温下降了零点几度。该研究分析了自1860年以来美国人的67.7万余次温度测量数据。美国斯坦福大学传染病流行病学家Julie Parsonnet领导的一个研究小组估计，现代人的平均(本文来源于《中国科学报》期刊2020-01-16）
刘静民,王并举,金峰[2]（2019）在《中国人体成分数据集建立与变化特征研究》一文中研究指出研究目的:人体成分数据是体质与健康学、运动营养、健康评估、运动健身、公共卫生与预防医学等领域重要的研究基础数据。了解人体肌肉、脂肪、蛋白质、骨矿盐含量等数据可为运动营养、减肥控重、健康评估、运动健身等领域提供基础参考数值。建立人体成分数据集,提供的总体液等数据可为肾病研究提供参考,肌肉重可以为肌少症的诊断提供判断指标,骨矿盐含量变化值可为骨质疏松病的诊断提供帮助。此外,生物电阻抗值等参数可为人体参数仪器研发提供参考,具有可持续性应用价值。数据集派生得到的中国人体成分参数分布及变化规律可对许多行业应用领域具有指导作用和参考价值。研究方法:1)研究对象本数据集有152449条中国人体成分数据。其中,男性80241人,女性72208人;年龄6岁-109岁。样本来自清华大学、协和医院、同方健康科技(北京)股份有限公司、北京市中小学体育协会、北京中学、北京小学、清华附属小学、东北师范大学、广东省体科所、福建省体科所、上海健康医学院、江苏省人民医院,以及浙江省、贵州省、河南省、青海省、新疆维吾尔自治区以及兰州市、成都市、武汉市、洛阳市、郑州市、长春市等地的测试基地。2)研究方法数据库全体数据均采用生物电阻抗法(BIA)测量得到。BIA的原理是利用欧姆定律,通过测量细胞对电流的阻抗发现细胞的传导性不同。高频电流可以自由通过细胞内液和细胞外液,而低频电流只能通过细胞外液不能穿透细胞膜。因此,通过高、低频电流我们可以准确的测出受试者的总体液、细胞外液和细胞内液。为了验证数据的可靠性,我们用同位素标记法——目前国际公认的测量人体内水分的金标准对中国健康成年32人进行测试,并将其结果与BIA所得结果进行比对。结果发现,H218O法与BIA测量的总水测量结果之间相关性高达0.962,D2O法与BIA测量总水之间的相关性也达到了0.941。因此,用BIA法来测定人体的总体液、细胞外液和细胞内液是准确的。采用MRI法测量代表性中国人样本140人,与BIA法测量得到的脂肪重、骨骼肌进行比较,相对误差为0.89%。采用DXA法测量代表性中国人669人,与BIA法测量得到的骨矿盐含量进行比较,相对误差为0.98%。验证说明用生物电阻抗法对中国人群进行大样本测试所得出的数据库具有可靠性。指标及对应衍生指标分9个年龄组(6-10岁,11-20岁,21-30岁,31-40岁,41-50岁,51-60岁,61-70岁,71-80岁,81-90岁及以上),7个年龄段(6-11岁、12-17岁、18-29岁、30-44岁、45-59岁、60-74岁、75-90岁),以"基本样本信息、平均值、标准差、百分位数、增龄曲线"的形式呈现。中国人体成分按年龄组分布合理,除80岁以上外,每个年龄组均有男、女各1000人以上。研究结果:讨论中国人体成分随年龄变化呈现如下特征:3.1身高:男性和女性均从6岁开始快速增长,男性15岁、女性13岁后增长速度变缓慢,男性18岁时达到峰值176.9cm,女性17岁时达到峰值164.7cm;此后随年龄增长逐渐呈下降趋势。到90岁时,男性身高158cm,女性148cm。3.2体重:男性和女性均从6岁开始快速增长,男性15岁、女性14岁后增长速度变缓慢,男性33岁时达到峰值74.7kg,女性52岁时达到峰值61.0kg。此后随年龄增长男性逐渐呈下降趋势,女性体重则保持平稳,70岁以后逐渐下降。到90岁时,男性体重61.7kg,女性50.0kg。3.3脂肪重和体脂率:男性脂肪重随着体重的增长而快速增长,进入成年期后一直呈缓慢增长趋势,在60岁年龄段达到最高值,此后呈缓慢下降趋势。男性体脂率从青少年时期15%逐渐增高,30岁成年后达到20%,以后平稳上升,60岁以后达到25%以上,以后体脂率基本保持平稳不变;女性脂肪重青少年时期随着体重的快速增长而增长,20岁以后呈不断增长趋势,在60岁以后呈下降趋势。女性体脂率从青少年时期20%逐渐增高,16岁时达到26%,30岁成年后达到28%,以后一直平稳上升,55岁后达到30%以上,70岁时达到最高值35%,以后体脂率随年龄增高缓慢下降。3.4肌肉重:男性肌肉重从9岁至15岁期间快速增长,然后进入高峰期,一直持续至30岁,重量均值达55kg,以后随年龄一直呈缓慢下降趋势,至90岁时为41.6kg;女性肌肉重在12岁之前增长较快,青春期后缓慢增长,在18岁时达到峰值40kg,55岁之前肌肉重变化不明显,以后呈缓慢下降趋势,90岁时肌肉重降至30kg。3.5骨矿盐含量:男性骨矿盐含量15岁之前快速增长,然后进入高峰期,一直持续至30岁,重量均值达3.65kg,以后随年龄一直呈缓慢下降趋势,至90岁时为2.88kg;女性骨矿盐含量在12岁之前增长速度较快,青春期后缓慢增长,在18岁时达到峰值20.91kg,55岁以后开始缓慢下降,90岁时肌肉重降至2.29kg。3.6总体液:男性总体液值青少年时期一直呈快速增长,在21-30岁年龄组达到最高值41.7kg,以后开始呈下降趋势,至81-90岁时达到最低值34.3kg;女性总体液值青少年时期增长较快,10岁以后一直缓慢增长,至41-50岁时达到最高值30.1kg,以后呈缓慢下降趋势,至81-90岁时为26.1kg。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
刘泳庆,陈骐,肖书明[3]（2019）在《基于无线人体传感器网络的数据采集系统对游泳项目不同泳姿的特征分析》一文中研究指出研究目的:随着物联网、人工智能等技术在体育领域的应用,利用基于惯性传感器(IMU)的无线人体传感器网络对于运动表现进行分析是近几年的热点方向。为了分析身体不同部位在不同泳姿情况下的运动特征,设计了无线人体传感器网络的数据采集系统,完成在用户进行蝶仰蛙自四种泳姿情况下对手腕和脚腕的数据采集与分析,实现了对四种泳姿不同阶段的特征分解。研究方法:在所设计的数据同步采集系统中,将集成数据采集频率为100Hz、量程为-100g-100g的叁轴加速度传感器的可穿戴设备固定在用户身体的手腕和脚腕,被测者按照蝶泳、仰泳、蛙泳和自由泳的顺序进行四种泳姿的混合泳,每种泳姿做10个动作周期,在计算机端分析用户在四种泳姿过程中身体不同部位的加速度特征。研究结果:由于浮力、水流和传感器噪声等因素的影响,加速度测量数据会出现一些不正常的毛刺,将采集得到的加速度数据导出,在matlab软件中进行限幅滤波和低通滤波以去除毛刺,基于去除毛刺后的数据进行游泳运动学分析。通过对所研制系统针对四种泳姿进行测试表明,利用手腕和脚腕的加速度特征呈现可以有效实现不同泳姿动作阶段的划分。泳姿加速度数据具有明显的差异性:蝶泳的手部发力强度明显大于其他叁种泳姿,仰泳和自由泳的手部发力强度次之,蛙泳手的发力强度最小,手腕处的传感器数据与脚腕相比幅值较大;而蛙泳腿的发力明显强于其他叁种泳姿,且更具爆发性。针对不同泳姿可以实现对泳姿的动作进行初步分解:通过蝶泳手和蝶泳腿在xyz轴的加速度分析,可见蝶泳手和蝶泳腿在x轴的加速度特征最为显着,可以从蝶泳手的加速度特征明确判断出移臂动作的位置,而移臂之后的加速度数值的趋势表现为由负到正且变换平缓,说明手臂的移动方向是从靠近身体一侧到离开身体一侧的过程,且速度的变换比较平缓,从蝶泳腿加速度特征可以显着判断出两次打水的位置;仰泳手腕和左右脚腕在y轴的加速度幅值明显小于x轴和z轴方向,这说明腿部的主要发力集中在垂直于腿部的平面内,并且y轴加速度不具备明显的特征,因此针对x轴和z轴的加速度值进行分析,仰泳腿在x轴的发力方向基本一致,说明双腿在x轴方向上的发力状态基本相同,而在z轴方向上的发力情况相反,说明,双腿是上下交替的,从仰泳手在x轴和z轴的加速度特征可以明确判断出入水点,因为这一时刻的是一个运动周期速度变化最快的时刻,划水阶段存在一次手腕的翻转,因此加速度会出现一次反向的变化,出水和划水阶段是一个连续的加速阶段,也存在一次手腕方向的翻转,因此加速度也会出现一次反向的变化;x、y、z轴蛙泳的加速度特征都很显着,蛙泳左、右腿在x轴的加速度呈现反向的趋势,可以看出,蛙泳腿在一个动作周期中的发力时间很短,且有两个反向的加速度峰值,显然是收腿和蹬腿的动作,而收腿和蹬腿之间出现的加速度平稳期是翻腿阶段;自由泳腿在一个动作周期里呈现出明显的周期性,本次测试的运动员采用了针对中短距离的自由泳方式,一次手臂动作配合六次打腿动作,从自由泳手的技术动作可以分析,对左臂而言,其在入水和抱水两个阶段的间隔时间占比在一个动作周期是较大的,这是因为在这个时间段右手要完成划水的整个技术动作,基于此可以判断在左手入水和抱水的时间间隔内加速度特征是比较平稳的,且绝对值较小。研究结论:基于无线人体传感器网络的数据采集系统可以实现对不同泳姿的特征分析。本研究设计了一种基于加速度传感器的无线人体传感器网络的数据采集系统,通过将可穿戴设备固定在用户身体的手腕和脚腕,采集并分析用户在四种泳姿过程中身体不同部位的加速度特征。通过实验测试与分析,实现用户身体不同部位发力情况的数据采集,基于此可以计算实现不同泳姿的加速度特征分析,并完成基于加速度数据的游泳动作阶段划分,对于游泳技术分析有重要意义,其功能亦可推广至其他项目。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
甄庆凯,陈骐[4]（2019）在《基于RGB-D数据3D人体姿态估计综述》一文中研究指出人类动作数据集记录方式分为RGB和RGB-D两类,本文根据输入图像的种类不同,将叁维人体姿态估计研究大致分为两类:第一类是基于RGB图像,第二类是基于RGB-D或深度图像。在深度传感设备普及之前的叁维人体姿态估计研究中,主要是使用二维的RGB图像来实现叁维的人体姿态估计,其主要方法大致可以分为生成法,判别法、混合法以及基于深度学习的方法。其中,关键的一步是从图像中估计出二维的关键点或二维姿态,然后通过建立的先验模型预测出叁维的姿态。使用卷积神经网络在姿态估计中的表现非常优异,依赖神将网络的计算能力,可以直接从输入图像进行叁维姿态回归,如Mehta等基于CNN提出一种实时的叁维人体姿态估计方法。虽然过去十几年对基于RGB图像的叁维人体姿态估计的研究取得了很大的突破,但是仍然有很多问题未得到解决。首先,由于背景、尺度和光照变化,以及服装和配饰在人体上的复杂外观,人体各部位的外观差异很大。同时,在RGB数据中,摄像机的拍摄角度和成像的垂直投影法使人体出现较大的变形,其次,人体运动中存在大量的遮挡现象会导致与人体有关的信息丢失,对于仅仅依赖RGB数据,由于遮挡问题不能重构杂乱的人体部位。因此估计准确度、收敛速度、鲁棒性等问题未得到解决。随着深度传感设备的普及,深度图像的获取更为方便,在人体姿态估计的研究中更倾向于利用RGB-D数据中的深度信息。深度信息有助于解决复杂场景中的外观变化、变形和遮挡问题,提高人体姿态估计的可靠性和准确性。首先,针对深度信息的外观特征,提出了将叁维空间投影到二维平面上的有效方法,如距离不变投影和基于法线的投影。这样可以避免垂直投影到二维平面上的变形。此外,深度相机的照明和颜色变化不变。这使得使用深度信息作为外观描述符是有效的。其次,对于遮挡问题,可以通过深度信息和RGB图像对遮挡部分进行重构。在目前的基于TOF摄像机的人体姿态估计方法的研究主要包括Ganapathi的工作,他提出了一种利用单目深度图像流跟踪人体姿态的高效滤波算法。其关键思想是将一个精确的生成模型与一个提供有关身体部位位置判别模型相结合。Jain提出了一种基于模型的方法,采用基于Haar级联的检测方法和模板匹配方法,通过融合RGB数据和深度信息来检测和估计人类姿态。Zhu介绍了一种用于估计人体姿态的系统、方法和计算机应用。从一个方面看,在人体的深度图像中发现了解剖学特征。该方法在深度图像中检测到头部、颈部和躯干(H-N-T)模板,并基于H-N-T模板检测深度图像中的肢体。此外,基于TOF摄像机的人体检测和姿态估计还有很多。Plagemann等提出了一种新的关键点检测器,用于人体的网格结构模型和深度数据,以解决在深度图像中检测和识别身体部位的问题。Ikemura提出了一种利用关系深度相似特征(RDSF)检测人类的方法,该方法基于TOF摄像机获得了深度信息。与此同时,随着Kinect的发布,许多研究人员已经使用Kinect来进行人体姿态估计。在Shotton提出的一种新方法中,可以在不使用时间信息的情况下,从单个深度图像中快速准确地预测人体关节的叁维位置。该算法采用了一种目标识别方法,将复杂的位姿估计问题映射为一个简单的像素分类问题。运用了大量的、高度多样化的训练数据集,允许分类器能够估计身体部位对姿势、体型、服饰等具有不变性。他们通过重新投影分类结果并找到局部模式来生成几个身体关节的置信度叁维方案,能够处理部分遮挡问题,同时该算法能有效地估计无光或无约束光照条件下的人体姿态,且具有尺度不变性。此外,Ye提供了一种使用单深度摄像机实时同步姿态估计方法。Pauwels提出了一种基于模型的基于密集运动和深度线索的姿态实时检测和跟踪方法。然而,所提出的方法受TOF相机深度测量距离较短的限制。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
汪海仙,尚笑梅[5]（2019）在《年龄对叁维人体测量数据精确性的影响》一文中研究指出为了研究年龄对叁维人体测量数据的影响,选择江苏地区99名年龄20～59岁的女性为研究对象,采用叁维人体扫描仪和手工测量的方法获得了11个人体部位尺寸,以手工测量数据为标准,综合比较分析手工测量和叁维测量数据的差异。参照GB/T 22187—2008,将样本分为4个年龄层,计算不同年龄层各部位的平均差值,并以此为变量进行单因素方差分析,得出年龄对叁维人体测量数据精确性具有影响。(本文来源于《服装学报》期刊2019年05期）
徐寅鹏,臧严,李秋洁[6]（2019）在《基于关节数据的人体动作识别》一文中研究指出借助MSRC-12人体动作数据集中的动作样本数据,选取80个不同人体的相同动作序列作为训练数据,构建动作模板,选取除上述80个样本外的400个动作序列作为测试数据,分别提取两者骨骼向量的角度特征,运用动态时间规整算法(DTW)进行模板匹配,从而识别出人体典型动作。实验结果表明,不同人体执行的同一动作的多个样本作为训练模板时能够有效识别人体动作,但是在输入的动作序列与模板在时间上有一定差距时、次要部位的角度特征的变化占主要地位时会影响识别效果。(本文来源于《电脑知识与技术》期刊2019年27期）
余佳佳,李健[7]（2019）在《基于不同人体测量方法的数据一致性和可替换性研究》一文中研究指出为探究人体测量中叁维数据与手工数据间的一致性和可替换性,及不同扫描仪所得结果间的数据等价性,利用HumanSolutions和[TC]~2 2种叁维扫描仪分别对20～35周岁的女性样本人体进行扫描,通过逆向工程软件手动测量388个样本的30项身体特征尺寸。对比2组叁维数据与其对应手工数据的折线图,利用组内相关系数对数据的一致性进行探究;依据国标对叁维数据与手工数据间的可替换性进行讨论和判别;以手工数据为媒介,对比2种叁维数据与真实值间的一致性和可替换性,判断不同扫描仪数据结果的等价性。结果表明:2种仪器所得数据与手工数据间存在较好的一致性,组内相关系数大于0.75,3种数据在部分测量项上具有较好的可替换性,进行数据处理和分析时可等价使用。(本文来源于《纺织学报》期刊2019年09期）
孙瑜亮,缪永伟,鲍陈,夏海浜,张旭东[8]（2019）在《基于全局配准累积误差极小的人体RGB-D数据叁维重建》一文中研究指出针对RGB-D扫描数据获取和人体叁维重建过程中存在扫描数据分辨率不高、噪声干扰影响较大、配准误差较大等问题,提出一种基于累积误差极小的RGB-D扫描数据全局配准的人体模型叁维重建方法.首先采集人体扫描数据并进行预处理,去除噪声和背景;然后利用基于叁维点特征描述符匹配求解局部扫描数据的粗略配准,并通过最近点迭代的方法进行精细配准;再构建局部配准数据加权图,通过最小生成树方法合并局部相邻帧数据来减少全局误差传播的影响,利用环闭合的方法解决累积误差问题并得到全局刚体配准结果;通过对全局刚体配准后的数据依次进行非刚体变换并不断融合配准后数据,解决扫描过程中的移动问题,进一步减少全局累积误差;最后利用全局配准结果和扫描数据中的颜色信息生成融合颜色信息的人体叁维重建模型.利用2台Kinect设备扫描获取的人体全方位扫描数据进行实验的结果表明,该方法能够方便、高效地重建具有高度真实感的叁维人体,而且重建生成的叁维人体测量尺寸与真实人体尺寸之间的误差较小.(本文来源于《计算机辅助设计与图形学学报》期刊2019年09期）
刘静[9]（2019）在《基于大数据的人体行为特征方向估计模型仿真》一文中研究指出由于人体运动过程中行为的多样性以及复杂性,导致人体行为特征方向估计模型的效果不理想、准确率偏低等问题。为此,构建基于大数据的人体行为特征方向估计模型。通过人体运动图像中的深度信息分别计算出不同像素点在水平方向和垂直方向的梯度值,再计算不同像素点与邻域像素点之间的差值,获取人体行为特征。对图像中的关键参数进行自适应处理,利用遗传算法对关键参数进行寻优,并构建基于大数据的人体行为特征方向估计模型。实验结果表明,与传统的人体行为特征方向估计模型相比,所提估计模型在人体行为特征方向估计效果以及准确率方面都有较大幅度的提升。(本文来源于《计算机仿真》期刊2019年09期）
黄勃,王忠震,陈欢,王中森[10]（2019）在《基于不平衡数据分类的人体姿态分类算法》一文中研究指出针对人体姿态监测传感器所返回数据的不平衡性特点影响分类性能的问题,提出一种基于不平衡数据分类的人体姿态分类算法。根据姿态监测传感器所返回数据的特点,基于K-means的思想,提出一种噪声样本识别算法。针对样本集的不平衡性问题,本文通过引入经典的过采样算法SMOTE,对少数类样本集进行操作。利用Adaboost学习框架的优势,对平衡后的样本集进行训练,获得最终分类模型。选择G-mean、F-value及AUC为分类模型的评价指标,通过在ARe Mr人体姿态数据集上与叁种经典的不平衡分类模型CUS-Boost、SMOTEBoost以及RUS-Boost算法相对比。验证了本文所提出的基于不平衡数据分类的人体姿态分类算法有效性、精准性。(本文来源于《传感器与微系统》期刊2019年09期）
人体数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究目的:人体成分数据是体质与健康学、运动营养、健康评估、运动健身、公共卫生与预防医学等领域重要的研究基础数据。了解人体肌肉、脂肪、蛋白质、骨矿盐含量等数据可为运动营养、减肥控重、健康评估、运动健身等领域提供基础参考数值。建立人体成分数据集,提供的总体液等数据可为肾病研究提供参考,肌肉重可以为肌少症的诊断提供判断指标,骨矿盐含量变化值可为骨质疏松病的诊断提供帮助。此外,生物电阻抗值等参数可为人体参数仪器研发提供参考,具有可持续性应用价值。数据集派生得到的中国人体成分参数分布及变化规律可对许多行业应用领域具有指导作用和参考价值。研究方法:1)研究对象本数据集有152449条中国人体成分数据。其中,男性80241人,女性72208人;年龄6岁-109岁。样本来自清华大学、协和医院、同方健康科技(北京)股份有限公司、北京市中小学体育协会、北京中学、北京小学、清华附属小学、东北师范大学、广东省体科所、福建省体科所、上海健康医学院、江苏省人民医院,以及浙江省、贵州省、河南省、青海省、新疆维吾尔自治区以及兰州市、成都市、武汉市、洛阳市、郑州市、长春市等地的测试基地。2)研究方法数据库全体数据均采用生物电阻抗法(BIA)测量得到。BIA的原理是利用欧姆定律,通过测量细胞对电流的阻抗发现细胞的传导性不同。高频电流可以自由通过细胞内液和细胞外液,而低频电流只能通过细胞外液不能穿透细胞膜。因此,通过高、低频电流我们可以准确的测出受试者的总体液、细胞外液和细胞内液。为了验证数据的可靠性,我们用同位素标记法——目前国际公认的测量人体内水分的金标准对中国健康成年32人进行测试,并将其结果与BIA所得结果进行比对。结果发现,H218O法与BIA测量的总水测量结果之间相关性高达0.962,D2O法与BIA测量总水之间的相关性也达到了0.941。因此,用BIA法来测定人体的总体液、细胞外液和细胞内液是准确的。采用MRI法测量代表性中国人样本140人,与BIA法测量得到的脂肪重、骨骼肌进行比较,相对误差为0.89%。采用DXA法测量代表性中国人669人,与BIA法测量得到的骨矿盐含量进行比较,相对误差为0.98%。验证说明用生物电阻抗法对中国人群进行大样本测试所得出的数据库具有可靠性。指标及对应衍生指标分9个年龄组(6-10岁,11-20岁,21-30岁,31-40岁,41-50岁,51-60岁,61-70岁,71-80岁,81-90岁及以上),7个年龄段(6-11岁、12-17岁、18-29岁、30-44岁、45-59岁、60-74岁、75-90岁),以"基本样本信息、平均值、标准差、百分位数、增龄曲线"的形式呈现。中国人体成分按年龄组分布合理,除80岁以上外,每个年龄组均有男、女各1000人以上。研究结果:讨论中国人体成分随年龄变化呈现如下特征:3.1身高:男性和女性均从6岁开始快速增长,男性15岁、女性13岁后增长速度变缓慢,男性18岁时达到峰值176.9cm,女性17岁时达到峰值164.7cm;此后随年龄增长逐渐呈下降趋势。到90岁时,男性身高158cm,女性148cm。3.2体重:男性和女性均从6岁开始快速增长,男性15岁、女性14岁后增长速度变缓慢,男性33岁时达到峰值74.7kg,女性52岁时达到峰值61.0kg。此后随年龄增长男性逐渐呈下降趋势,女性体重则保持平稳,70岁以后逐渐下降。到90岁时,男性体重61.7kg,女性50.0kg。3.3脂肪重和体脂率:男性脂肪重随着体重的增长而快速增长,进入成年期后一直呈缓慢增长趋势,在60岁年龄段达到最高值,此后呈缓慢下降趋势。男性体脂率从青少年时期15%逐渐增高,30岁成年后达到20%,以后平稳上升,60岁以后达到25%以上,以后体脂率基本保持平稳不变;女性脂肪重青少年时期随着体重的快速增长而增长,20岁以后呈不断增长趋势,在60岁以后呈下降趋势。女性体脂率从青少年时期20%逐渐增高,16岁时达到26%,30岁成年后达到28%,以后一直平稳上升,55岁后达到30%以上,70岁时达到最高值35%,以后体脂率随年龄增高缓慢下降。3.4肌肉重:男性肌肉重从9岁至15岁期间快速增长,然后进入高峰期,一直持续至30岁,重量均值达55kg,以后随年龄一直呈缓慢下降趋势,至90岁时为41.6kg;女性肌肉重在12岁之前增长较快,青春期后缓慢增长,在18岁时达到峰值40kg,55岁之前肌肉重变化不明显,以后呈缓慢下降趋势,90岁时肌肉重降至30kg。3.5骨矿盐含量:男性骨矿盐含量15岁之前快速增长,然后进入高峰期,一直持续至30岁,重量均值达3.65kg,以后随年龄一直呈缓慢下降趋势,至90岁时为2.88kg;女性骨矿盐含量在12岁之前增长速度较快,青春期后缓慢增长,在18岁时达到峰值20.91kg,55岁以后开始缓慢下降,90岁时肌肉重降至2.29kg。3.6总体液:男性总体液值青少年时期一直呈快速增长,在21-30岁年龄组达到最高值41.7kg,以后开始呈下降趋势,至81-90岁时达到最低值34.3kg;女性总体液值青少年时期增长较快,10岁以后一直缓慢增长,至41-50岁时达到最高值30.1kg,以后呈缓慢下降趋势,至81-90岁时为26.1kg。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人体数据论文参考文献
[1].唐一尘.数据显示人体或正在降温[N].中国科学报.2020
[2].刘静民,王并举,金峰.中国人体成分数据集建立与变化特征研究[C].第十一届全国体育科学大会论文摘要汇编.2019
[3].刘泳庆,陈骐,肖书明.基于无线人体传感器网络的数据采集系统对游泳项目不同泳姿的特征分析[C].第十一届全国体育科学大会论文摘要汇编.2019
[4].甄庆凯,陈骐.基于RGB-D数据3D人体姿态估计综述[C].第十一届全国体育科学大会论文摘要汇编.2019
[5].汪海仙,尚笑梅.年龄对叁维人体测量数据精确性的影响[J].服装学报.2019
[6].徐寅鹏,臧严,李秋洁.基于关节数据的人体动作识别[J].电脑知识与技术.2019
[7].余佳佳,李健.基于不同人体测量方法的数据一致性和可替换性研究[J].纺织学报.2019
[8].孙瑜亮,缪永伟,鲍陈,夏海浜,张旭东.基于全局配准累积误差极小的人体RGB-D数据叁维重建[J].计算机辅助设计与图形学学报.2019
[9].刘静.基于大数据的人体行为特征方向估计模型仿真[J].计算机仿真.2019
[10].黄勃,王忠震,陈欢,王中森.基于不平衡数据分类的人体姿态分类算法[J].传感器与微系统.2019
标签：数据显示; 平均体温; 正常体温; 温度计; 内科医生; 美国斯坦福大学; 流行病学家; 感染率; 温度测量; Julie;