一种基于CNN算法的步态识别模型研究

为解决传统步态识别模型训练时间长、识别准确率低等问题,文章构建了能够进行深度学习的行走时步态特征数据库,通过对所选取特征的特定性、关联性和稳定性的研究,建立步态特征矩阵,利用Tensorflow设计CNN算法进行深度学习,使其能够自动实现基于行走时步态特征的个人识别。在27名实验者情况下,该模型的识别准确率可达99%以上,且训练时间较短,优于目前已发表的其他模型,对构建更大数据库的识别系统具有启发意义。     

基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型.三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7％,对足外8步态的正确率为92.8％以及足内8的正确率为91.0％.模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本.     

基于步底力特征的人体识别建模与分析

人体步态识别是一种生物识别技术,在信息识别、公共安全及生物医学检测等方面具有很大的应用潜力.基于人体步底力特征,在充分运用人体行走时运动力学知识的基础上,搭建基于三维测力平台的测试场景,对4名志愿者进行步态数据采集,建立力数据库,通过整理力数据库中的力数据,分析人体行走过程中步态变化与步底力之间的映射关系,为人体识别提供一种新的建模与分析方法.     

一种基于关节角度的步态识别新方法

基于行走运动的关节角度变化包含更丰富的个体识别信息的观点,提出利用下肢关节角度进行步态识别的新方法。依据人体解剖学的先验知识,通过对下肢运动分析定位盆骨、左右膝、左右踝关节点,提取相邻关节点连线与竖直线的夹角作为运动关节角度。识别时,考虑到NN,KNN等传统步态分类器分类能力较弱的缺点,采用针对小样本问题具有很好分类效果的支持向量机对步态特征向量进行分类。CASIA步态数据库上的仿真结果证明该方法具有较高的识别性能。     

基于支持向量机的步态识别算法研究

为了准确快速地进行运动人体的步态识别,提出了一种基于主分量分析(PCA)和统一Hu矩融合的步态识别算法。将人体髋关节以下作为感兴趣区域,对图像序列中运动人体的感兴趣区域进行了分割,并提取主分量外形特征,同时计算感兴趣区域的统一Hu不变矩特征,将二者结合,构成步态序列的特征空间,采用支持向量机(SVM)分类器进行分类识别,通过MATLAB仿真实验验证了算法的有效性。实验结果表明,该算法识别速度快,具有较高的识别率。     

基于MIMU的自适应步态检测算法

行人步态检测精度对个人导航系统至关重要。针对当前行人自主导航系统中常规步态检测算法不能适用于多种运动状态下的步态检测问题,提出了一种基于微惯性测量单元（MIMU）的自适应步态检测算法。该算法首先利用加速度计三轴模值方差、单轴方差差别和波形相位识别4种不同的行走状态,包括前进、快跑、后退和横向行走,然后针对不同的行走状态设置自适应阈值,实现各类运动状态下的自适应步态检测。利用实验室自主研发的MIMU固定在腰部脊椎位置进行实验验证,数据显示,前进行走和快跑步态检测精度可达99%,后退和横向行走步态检测精度可达93%。实验证明,自适应步态检测算法适用于个人导航系统。     

基于加速度信号的走路模式多级分类算法

 研究了一种基于多级分类模型的非特定人走路模式识别算法,实现了对水平行走和上、下楼梯三种运动状态的识别.将装有微型加速度传感器的无线数据采集装置固定于人体后腰部,获取运动时的三维步态加速度信号.采用离散小波变换提取与运动相关频带的时频特征,并结合步频以及垂直方向和前进方向加速度信号之间的互相关性,经过特征融合设计了多级分类识别算法.通过对10个人共360组数据的测试结果表明:在步频范围扩大到1~3Hz时,识别率达到了96.1%,且对测试对象的依赖性小.     

基于双尺度动态贝叶斯网络及多信息融合的步态识别

步态识别在生物识别中研究日益增多。目前对步态的识别研究大都是考虑单一条件下步态的识别率,但在穿外套、背包等混合条件下识别率较低,该文分析了人体行走时步态的时序特征,提出一种4层的双尺度多信息融合的动态贝叶斯网络。模型中每个时间片都为整体信息即大尺度信息和局部细节信息即小尺度信息的融合。此模型能很好地表达步态的时序特性,即步态行走时人体姿态,运动幅度等特征的节奏性变化。实验结果表明该方法有较高的识别率,能有机地融合步态的整体信息及局部细节信息,并且在有轮廓噪声及信息缺失的情况下有较好的鲁棒性,大大降低了外套及背包对步态识别的影响。     

红外热成像在步态识别中的应用

为更有效地探测人体目标,提出了利用红外光进行人体成像及步态识别的新方法.首先将人体散发的红外光转换为电信号,经计算机处理后转换为红外步态图像,然后分割出人体目标并将其规格化叠加处理获取步态特征图,再提取包含整体模型信息的边界矩参数以及包含简化模型信息的骨架特征参数,以此作为步态特征识别参量输入至支持向量机(SVM)进行分类识别.使用自建的红外步态数据库(IRGD)进行实验,正确识别率(PCR)为71～92%,且识别效果受人体携带外物的影响不显著.     

一种基于人体重心轨迹的步态分析方法

在居家照护系统背景下,提出了一种计算人体行走重心轨迹的步态分析方法。采集实验数据主要使用加速度传感器和陀螺仪传感器。因考虑到加速度计本身重力加速度对人体行走实际加速度的影响,所以文中利用陀螺仪传感器并结合三角函数定理来消除重力加速度的影响。根据以上方法对加速度进行预处理后,再进行二次积分可得轨迹曲线。在光学系统下的验证结果表明,该方法得到的重心轨迹能很好地反应步态变化规律,并且能用来计算相关步态参数与平衡能力评估参数;该方法具有临床医学应用价值。     

字符串相似度度量中LCS和GST算法比较

就字符串相似度度量算法的LCS和GST在概念、实现、效率方面进行比较分析,简要探讨了两种算法的应用领域.     

VBLAST系统的译码算法研究

对已有的传统译码算法如迫零算法（ZF）、最小均方（MMSE）算法、连续抵消（SIC）算法等的性能进行了研究,并在此基础上提出将迫零算法与连续抵消算法、最小均方算法与连续抵消算法相结合,构成迫零-连续抵消算法（ZF-SIC）与最小均方-连续抵消算法（MMSE-SIC）,从而明显改善系统的误码性能。此外,对收发两端采用不同天线数时的系统误码性能进行了仿真与分析,同时仿真分析了系统采用QPSK与16QAM调制方式的误码性能,最后给出仿真分析结果。     

一种Turbo译码算法改进研究

Turbo码是近年来广泛应用于通信系统中的一种性能优异的编码方式.文中首先分析了基于最大后验概率的Turbo码传统译码算法,然后指出了使用这类算法具有大译码延时的缺点,分析了常用的能减小译码延时的SW-MAP算法;最后根据此算法的特点提出了SW-MAP算法的改进方案.算法改进后能有效降低译码延时,提高译码性能.     

DOA估计的几种特征结构算法的性能比较

Pisarenko算法、多信号分类（MUSIC）算法、最小模算法和ORPD算法是来波到达方向（DOA）估计中常用的四种特征结构算法。在不同的信噪比及阵元数目条件下，对这几种算法的分辨性能作了比较。仿真结果表明：MUSIC算法是最稳定的一种算法；在预知大致方位的前提下。ORPD算法分辨性能最好；对于提高各种算法的分辨能力，改善信噪比相对增加阵元数目更有效。     

引导型免疫算法研究

基于免疫系统机理提出的免疫算法是一种新型的智能系统，在优化计算方面表现出巨大的潜力，具有多样性好、搜索成功率高的优点．但免疫算法在局部搜索中存在一定盲目性，搜索效率不高．本文提出引导型免疫算法，通过增强免疫算法中抗体的社会性，为免疫算法的搜索过程提供引导性，加快算法收敛速度，并对引导型免疫算法中新引入的算法参数进行了深入讨论．算法分析和仿真结果表明，引导型免疫算法在保持算法高搜索成功率的前提下，有效地提高了算法搜索效率．     

基于KR-BM算法的多模式匹配算法改进

网络技术的高速发展对模式匹配算法提出了更高的要求,为提高模式匹配效率,文中首先对常用的单模式和多模式匹配算法进行分析,在此基础之上,提出一种基于KR算法和BM算法的多模式快速匹配算法。最后通过实验结果验证了此算法的可用性和高效性。     

融入曲率尺度空间算法的图像配准方法

为了满足图像配准对于实时性的要求,提出融入曲率尺度空间算法的图像配准方法。首先使用曲率尺度空间算法提取图像角点特征,然后使用改进的加速稳健特征算法生成64维角点特征描述子向量并将描述子向量降维到24维,最后使用改进的相似性距离算法和随机采样一致性算法进行匹配。仿真实验一表明:在图像配准准确度方面与传统尺度不变特征变换算法、传统加速稳健特征算法及其他改进的图像配准方法相当,但在图像配准实时性方面具有一定的优势,仿真实验二通过立体匹配库验证了该方法具有普遍有效性。     

一种改进的松弛算法

本文从建立松弛(RELAX)算法所对应的多维非线性优化问题出发,对松弛算法和最大似然(ML)算法进行了多方面的比较.基于这些讨论,提出了改进的RELAX算法。     

一种新的排序算法——端点排序算法

提出了一种新的排序算法：端点排序算法。其方法为：依次找出数据总数为N的数列最小和最大值,把二者放在本次所排数列的两端,再把剩余两端之间的数据总数为N-2的数列的最小值和最大值找出,放在此数列的两端,依此类推,直至数列中间,实现整个数组的排序。实验表明,该算法具有与冒泡排序更快的性能。在数据个数较多的情况下优于选择排序。     

RFID防碰撞算法的研究

随着物联网技术的高速发展,作为其关键技术之一的RFID显得愈为重要。标签碰撞的应用在RFID系统中是不可避免的,因此RFID防碰撞算法是RFID系统中一个重要问题,直接决定了RFID系统可以识别多个标签的能力。目前防碰撞算法在时域上主要可以分为非确定性算法（ALOHA算法）和确定性算法（树形算法）两大类。本文分析了现存的两大类算法中主流的防碰撞算法,总结出两大类算法的优点以及存在的问题。通过MATLAB仿真进一步证明此结论,并总结未来研究中需要继续关注的问题与方向。