基于三维模型的多姿态人脸识别

提出了一种利用三维人脸模型匹配二维人脸图像的分层人脸识别方法和基于模糊数学的人脸姿态角度估计算法.对多姿态二维图像进行姿态空间划分,利用主成分分析方法(PCA)形成多姿态特征脸.识别过程首先估计测试图像姿态和模糊姿态角,在估计的姿态空间内采用基于PCA的方法进行第一层识别得到候选个体,然后利用候选个体的三维模型结合模糊姿态角产生虚拟图像,利用相关进行第二层识别.实验结果表明,该方法对姿态的变化有较好的鲁棒性.     

基于Kinect多生物识别技术的智能视频播放器交互系统

为了实现观看者无接触操作情况下的视频播放器智能控制,系统利用Kinect传感器采集彩色图像,使用FaceNet提取人脸特征向量,经支持向量机(SVM)训练后进行人脸识别,该过程在计算机中央处理器(CPU)运行环境下,利用OpenVINO实现人脸检测与识别实时运行,用于视频播放器的登录验证。系统采集音频数据使用Speech Platform Runtime v11进行中文命令识别,使用Kinect Speech Language进行英文命令识别,进而实现语音控制。采集骨骼数据,计算骨骼点之间的距离与角度进行人体姿态和手势识别,将识别结果转换为控制命令,进而实现播放器的快进、切换视频、加减音量等常用的控制功能。实验结果表明,该交互系统实现了使用者无接触全自动人体控制,为视频播放器提供了一种自然便捷的交互方式。     

一种动态模板匹配的卡尔曼滤波跟踪方法

在视频跟踪系统中,运动目标检测是实现跟踪的前提和难点.为了能够有效地检测出目标,提出了一种基于动态模板匹配和卡尔曼滤波的目标跟踪算法.首先将前两帧图像差分检测运动目标区域,提取特征点;然后利用卡尔曼滤波在搜索区域中找到与目标模型最匹配的候选目标位置并与当前帧目标模板进行匹配;最后将特征点流失率作为限定阈值,采用模板更新策略动态更新模板.跟踪实验表明,该算法具有很好的匹配精度与实时性,对目标姿态变化、大小变化、遮挡问题等有很好的鲁棒性.     

基于MEMS加速度传感器的人体姿态检测技术

研究一种基于MEMS加速度传感器的人体姿态检测技术．采用人体加速度向量幅值（SVM）和微分加速度幅值的绝对平均值（MADS）描述人体运动状态,进而作跌倒判断．为兼顾算法的准确性和实时性,设计采用多级探测的思想．首先,当检测出人体SVM超过阈值时对跌倒作出初判;其次,将MADS超过阈值作为跌倒的判断依据;再根据一定时间段的加速度归一化方差判断人体姿态的稳定性以防止误判,最后计算人体躯干的水平倾角确定人体姿态作为跌倒报警的辅助信息．系统采用基于MEMS技术的加速度传感器监测人体运动加速度,当判断出人体处于跌倒状态时,利用GPSOne技术自动定位其地理位置,并通过手机短信报警．实验证明,算法探测准确率高,实时性好．     

肌肉骨骼疾患风险评估方法趋势研究

目的肌肉骨骼疾患是与工作姿势有关的主要职业病,不仅影响工人的健康,而且对经济造成巨大的损失。而不良的工作姿势是引发肌肉骨骼疾患的主要原因。因此评估工作姿势所造成的肌肉骨骼疾患并采取科学的纠正措施逐渐成为相应领域研究的热点问题。基于现有对肌肉骨骼疾患风险评估方法的研究现状和未来趋势进行分析与展望。方法通过对肌肉骨骼疾患、人因风险评估、人体姿态识别等核心概念的相关文献进行梳理和归纳,论述了肌肉骨骼疾患风险评估的主要方法,并重点分析了图像识别技术在肌肉骨骼疾患风险评估中的应用,结合人体骨架与神经网络算法模型对作业姿势进行识别,探讨了人工智能环境下,基于图像识别的评估方法中待解决的难点问题,对未来可能发展趋势进行预测。结论将肌肉骨骼风险评估方法总结为三大类,并分析其在现场评估应用过程中的优缺点;结合图像识别技术的发展,对肌肉骨骼风险评估提出了展望,即智能化自动化评估、多评估方法融合、多通道特征识别。     

基于Kinect和ROS的骨骼轨迹人体姿态识别研究

为了解决不完整人体动作识别的问题,在机器人操作系统(robot operating system,ROS)下提出利用骨骼节点向量的角度累计变化作为特征向量,并采用自适应能量的方法划分视频人体动作。在人体解剖学的基础上建立投影坐标平面,进行空间位置和骨骼角度的计算。通过时间金字塔方法对不同时间间隔的骨骼角度数据编码,形成多级特征向量更好地表示人体动作。在人体受遮挡情况下,使用扩展卡尔曼滤波预测骨骼节点坐标,提高骨骼坐标的准确性。该方法具有旋转、平移不变性,识别4种不完整人体动作的正确率达到了92.25%。     

快递暴力分拣行为视觉识别系统

目的 为实时监测快递分拣过程中粗暴对待包裹的行为,设计一款基于树莓派+EdgeTPU的快递暴力分拣人体行为视觉识别系统.方法 基于TensorFlow深度学习框架,使用PoseNet模型实时采集人体姿态数据,通过LSTM+Attention模型实现人体动作识别,结合MobileSSD进行场景识别,最终实现暴力分拣人体行为视觉识别.结果 实验证明,文中提出的视觉识别方法可以实现暴力分拣5种动作的快速、准确识别,LSTM+Attention人体动作分类模型的测试准确率达到了80％.结论 基于该方法构建的嵌入式暴力分拣行为识别系统,可以实时监测快递分拣中粗暴对待包裹的行为,并实时地告警.     

基于多算法融合的跌倒行为识别

提出一种多算法融合的跌倒行为识别算法.首先,针对人体目标的特征对YOLOv3 tiny检测算法进行改进,有效框定人体动态目标区域,提取出目标前景;在此基础上利用AlphaPose姿态识别框架识别出人体骨骼关键点,得到人体主要关节图;最后以人体关节图坐标信息为输入,通过时空图卷积神经网络对跌倒等动作进行检测识别,满足对不...     

基于小波阈值的高速道岔振动信号降噪

在高速道岔伤损监测中,道岔振动信号是道岔伤损监测的重要信息来源,鉴于该信号在采集和传输过程中噪声干扰严重,影响伤损识别的准确性,研究了一种基于小波阈值的高速道岔振动信号降噪方法。详细讨论了道岔振动信号降噪过程中小波基、分解层数、阈值准则、阈值函数等参数的选择,并利用频响函数、主元分析和平均马氏距离分析降噪处理对伤损识别的影响。实验结果表明,该方法能有效降低噪声对伤损识别的干扰,为进一步对道岔进行伤损分析创造了良好的条件。     

面向人脸特征点定位和姿态估计任务协同的DCNN方法

为了提高复杂背景下面部信息的识别性能,提出了一种面向人脸特征点定位和姿态估计任务协同的深度卷积神经网络(DCNN)方法。首先从视频图像中检测出人脸信息;其次设计一个深度卷积网络模型,将人脸特征点定位和姿态估计两个任务协同优化,同时回归得到人脸特征点坐标和姿态角度值,然后融合生成相应的人机交互信息;最后采用公开数据集和实际场景数据进行测试,并与其他现有方法进行比对分析。实验结果表明:该方法在人脸特征点定位和姿态估计上表现出较好的性能,在光照变化、表情变化、部分遮挡等复杂条件下人机交互应用也取得了良好的准确性和鲁棒性,平均处理速度约16帧/s,具备一定的实用性。     

基于区域自适应模型耦合向量约束的图像匹配算法

目的 为了解决提高图像匹配算法的匹配精度与鲁棒性。方法 设计基于区域自适应模型耦合向量约束规则的图像匹配算法。首先引入采用上下文信息的显著性分析方法,提取图像的显著区域和非显著区域。根据区域的显著性特征构造区域自适应模型,用以动态调整FAST算法中的灰度阈值,提取图像中的特征点。然后,通过欧氏度量将特征点邻域内的点分为长、短点集;通过长点集生成特征方向,利用短点集生成特征向量,以获取特征点的描述符。最后,对特征点之间的Hamming距离进行度量,实现特征点的匹配。利用匹配特征点组成的向量建立向量约束规则,对匹配特征点进行优化,完成图像匹配。结果 实验结果表明,与当前图像匹配技术相比,所提算法具有更高的鲁棒性与匹配正确度,当目标旋转角度达到100°时,其匹配准确率仍可达到88.95%。结论 所提算法具有良好的适应性,在遇到几何变换时,具有较好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

基于临界带功率谱方差的端点检测

端点检测作为语音信号处理的关键技术,其准确性直接影响到语音识别系统的计算复杂度和识别能力。在人耳听觉特性理论研究的基础上,利用语音段和背景噪声段临界带功率谱上的差异,提出了一种基于临界带功率谱方差的端点检测方法。通过自适应门限值的选取,该方法对背景噪声具有良好的跟踪性能。在不同的信噪比条件下,进行了端点检测实验。结果表明：该方法与传统的短时能量和短时平均过零率方法、谱熵方法相比,可以有效降低背景噪声的影响,具有更好的鲁棒性和正确率。     

基于改进YOLOv5的旋转目标检测算法及其应用研究

目的 提高工业分拣上常见的纹理多样、随机堆放盒体的检测与识别能力。方法 提出一种基于YOLOv5的旋转目标检测算法，该算法包括目标分类、位姿角度识别和边界框位置定位3个模块功能。目标分类模块中，通过自建数据集和设计8种目标分类标签以供模型分类学习;位姿角度识别模块对YOLOv5头网络中添加角度预测分支，引入环形平滑标签角度分类方法，实现分拣盒体的旋转角度精准检测;在边界框位置定位模块上，使用LCIoU回归框损失函数来计算旋转框回归损失，得到紧密包裹目标位置的边界框。结果 改进的YOLOv5算法在自建数据集上检测精度达到95.03%，在机器人多物体分拣实验中的准确率可达100%。结论 本文算法在盒体处于散乱堆放、密集堆放、堆叠堆放场景下均具有较高的定位与识别精度。     

基于颜色矢量角度直方图与DCT压缩的鲁棒哈希算法

目的为了改善哈希序列对篡改内容的正确识别率和鲁棒性,提出基于颜色矢量角度直方图耦合离散余弦变换压缩的鲁棒哈希算法。方法结合插值运算和Gaussian滤波器,对图像实施预处理,使其对于任意的认证目标均可产生一个固定长度的哈希序列;引入极坐标变换LPT(Log-polar transform),对规范尺寸图像完成坐标变换,输出二次图像;借助SVD(SingularValueDecompostion)方法来处理二次图像,输出全局鲁棒特征;提取规范尺寸图像中所有像素分量的颜色矢量角度,并计算其对应的直方图,形成色彩感知特征;将全局与色彩感知特征组合,将其视为1D哈希序列;基于离散余弦变换DCT(Discrete Cosine Transform),对1D哈希序列实施压缩,输出一组交流系数;引入Logistic映射,根据其输出的混沌序列来设计差异加密方法,对交流系数实施扩散,从而形成目标哈希序列。基于l2范数距离和优化的识别阈值,对待检测图像内容的真伪实施判别。结果试验结果显示,相对于已有的哈希机制而言,所提方案具备更强的鲁棒性,对各类几何攻击均有更高的检测准确度。结论所提哈希方法具有较高的鲁棒性与识别正确率,对商标检索、信息防伪等领域具有较好的参考价值。     

Marker-Based and Marker-Less Motion Capturing Video Data: Person and Activity Identification Comparison Based on Machine Learning Approaches

Biomechanics is the study of physiological properties of data and the measurement of human behavior. In normal conditions, behavioural properties in stable form are created using various inputs of subconscious/conscious human activities such as speech style, body movements in walking patterns, writing style and voice tunes. One cannot perform any change in these inputs that make results reliable and increase the accuracy. The aim of our study is to perform a comparative analysis between the marker-based motion capturing system (MBMCS) and the marker-less motion capturing system (MLMCS) using the lower body joint angles of human gait patterns. In both the MLMCS and MBMCS, we collected trajectories of all the participants and performed joint angle computation to identify a person and recognize an activity (walk and running). Using five state of the art machine learning algorithms, we obtained 44.6% and 64.3% accuracy in person identification using MBMCS and MLMCS respectively with an ensemble algorithm (two angles as features). In the second set of experiments, we used six machine learning algorithms to obtain 65.9% accuracy with the k-nearest neighbor (KNN) algorithm (two angles as features) and 74.6% accuracy with an ensemble algorithm. Also, by increasing features (6 angles), we obtained higher accuracy of 99.3% in MBMCS for person recognition and 98.1% accuracy in MBMCS for activity recognition using the KNN algorithm. MBMCS is computationally expensive and if we re-design the model of OpenPose with more body joint points and employ more features, MLMCS (low-cost system) can be an effective approach for video data analysis in a person identification and activity recognition process.     

一种通用的工业机器人位姿检测方法

为满足带有不同末端执行器的工业机器人系统的绝对位姿检测需求,提出一种通用的检测方法。其基本原理是以激光跟踪仪测量固定在机器人末端的4个参考点从而间接测量机器人的绝对位姿,并与指令位姿比较实现机器人位姿准确度和位姿重复性检测;其中,参考点坐标及机座坐标系通过多姿态约束同步标定,并设计非线性标定算法。通过末端带有制孔执行器的KUKA KR210 R2700工业机器人的位姿检测实验表明：该检测方法的准确性可满足机器人位姿检测的需要,且无需特殊的机械工装,具有良好的通用性;基于多姿态约束的非线性标定方法具有良好的鲁棒性,可有效的减小因机器人运动模型不准确引起的标定误差。     

基于多对象匹配与融合字符特征的印刷质量检验方法

目的 为了增强字符配准对字符位姿变化的鲁棒性和识别能力,以及印刷质量检验精度和缺陷类型分析对不同字符产品的自适应性,提出一种基于多对象匹配与融合字符特征的印刷质量检验方法。方法 采用多张合格字符样品图像进行模板构建;借助多对象匹配来配准多个待检验的字符,消除字符位姿的变化对字符配准的影响;进行逐像素的比对,检验字符区域的质量;利用灰度阈值分割以及Sobel边缘检测,将字符区域分成3个待检验的局部特征区域：边缘、前景、后景;进而获取边缘完整性,前景面积和灰度,背景面积和灰度这些显著的字符特征,由多张字符样品训练每个特征的自适应的合格范围;将其组合,形成融合字符特征,分析缺陷的类型。结果 测试数据表明,针对不同种类、不同精度要求的字符产品,所提方法对于字符质量的判断准确率达到100%,对缺陷类型的分类准确率保持在84.2%以上。结论 所提字符质量检验方法拥有良好的鲁棒性与自适应性,在包装、印刷等行业具备较高的应用价值。