基于3D人体骨架的动作识别

本文提出了一种基于3D人体骨架的动作识别方法.该方法以3D人体骨架为基础,将骨架中关节点的位置重新定义,形成简化的立体骨架模型,进而采用改进的动态时间规整算法（Reformative Dynamic Time Warping,R-DTW）对齐动作序列并进行识别.由于人体大小、形状、动作方式等差异,任意两个人表达同一动作都不尽相同,简化的立体骨架模型能有效缓解这种类内差异性.传统的DTW算法存在计算复杂性高,效率低的问题,本文在传统算法的基础上设计了"一次规划,二次细化"的方法,有效降低计算量,提高计算效率.该算法在MSR 3D Action数据库上的实验验证了其有效性.     

基于多媒体技术的三维人物图像动态重构

针对基于自标定的三维人物图像动态重构方法不能准确获取人物运动形态的三维位置,重构结果存在较高的偏差的问题,提出基于多媒体技术的三维人物图像动态重构方法,采用单目图像重构算法完成人体三维姿态重构。对多媒体技术中单摄像机拍摄的单目人体运动图像进行重构时,首先基于人体树状模型,采用基于部件检测器的二维肢体检测算法完成人体二维肢体检测;再采用基于关节点图像坐标的三维姿态重构算法,依据人体二维姿态检测结果,通过预测关节点反投影误差的退火粒子滤波算法完成人体三维姿态的跟踪,实现三维人体图像动态重构。实验结果说明,所提方法可准确实现三维人物图像动态重构,具有较高的重构精度和效率。     

运动捕获系统中标记点自动初始化方法

基于辅助标记点的多摄像机运动捕获系统,往往需要在运动捕获初始阶段手工建立各标记点与关节点的对应关系.为了减少初始化阶段繁琐的手动标记工作,提出一种标记点自动初始化方法.首先预定义表演者初始姿态,利用PCA算法分析出人体主轴,结合人体骨架模型,使标记点与各关节点关联,再将带有关节信息的标记点进行三维重构,通过反投影到各个视角完成所有点的初始化.实验结果表明,该方法能够准确地标识出各个标记点,完成标记点的自动初始化.     

关节点时空信息融合降维的人体动作识别方法

基于二维卷积神经网络(2DCNN)和三维卷积神经网络(3DCNN)的人体动作识别方法都存在运算量较大的问题,提出了关节点时空信息融合降维的人体动作识别方法(Joint-trajectory).首先,采用高分辨率网络(HigherHRnet)提取视频每帧图像中人体各个关节点的空间坐标信息,构建单帧图像中人体关节点空间信息...     

基于ELM的人体跌倒预测算法

为了应用于跌倒保护装置设计,需要设计一种跌倒保护预测算法,能够准确并快速的区分跌倒动作和正常行为动作,因此提出了基于ELM 的人体跌倒预测算法。该算法通过六轴传感器芯片MPU6050提取人体各个姿态下的三相加速度和三相旋转角,通过多变量分析方法得到特征量,随后对提取的特征量进行预处理,通过滑动时间窗口对数据进行切割,对处理后的数据集进行分类标签化处理,通过标签数据集进行ELM训练测试,得到一种基于ELM的人体跌倒预测算法。通过多指标理论和传统合加速度阈值算法进行了对比评估,确定了基于ELM 的人体跌倒预测算法能够在0.2s内快速预测跌倒行为,并且预测准确率能够达到97.6%,完全满足跌倒预测保护装置的应用要求,并且性能明显优于传统跌倒预测算法。     

基于长短时记忆网络及变体的跌倒检测和人体行为识别系统

为应对人口老龄化带来的跌倒事件上升以及提高跌倒检测的准确度,设计了一种可穿戴式基于神经网络的跌倒检测和人体行为识别系统.提出基于长短时记忆网络及变体的跌倒检测及行为识别算法,将训练好的网络参数移植到研发的可穿戴式跌倒检测设备,实现对跌倒和其他行为检测,将异常行为结果、生理信息传输至监护人手机微信小程序,对被监护人的异常行为、定位信息进行监控.并且在对跌倒的种类和其他类跌倒行为区分检测中,精确率保持了较高的稳定水平.     

基于时空多特征融合网络的三维人体姿态估计北大核心CSCD

目前,常见的三维(3D)人体姿态估计算法在表征学习上取得很好的效果,但是在人体骨架关节点处依然存在估计精度不佳等问题,因此,如何从单目RGB图像中利用冗余的二维(2D)姿态序列时空信息来估计人体姿态的有效方式是一个研究的难点。本文提出一种基于时空多特征融合网络的三维人体姿态估计算法,具体是结合一种图像外观信息和运动时序信息时空多特征融合层级方法,该方法利用一种紧凑的卷积神经网络(convolutional neural network, CNN)学习时空信息将二维关节点位置信息建模为三维关节点位置。实验结果表明,本文所提出的方法能实现较为先进的端对端姿态估计精度,而且不需要任何后处理阶段的姿态优化方法,本文得到的姿态估计在平均精度上得到有效的提升,证明本文方法能够有效提高人体姿态估计的准确性。     

基于Kinect V2的跌倒行为检测与分析

为了尽可能地降低老年人因跌倒而造成的伤亡,利用Kinect V2体感设备对老年人跌倒行为进行检测与识别,通过对Kinect摄像头获取的RGB-D图进行处理,得到人体骨骼图像和位置信息。利用骨架跟踪技术,选取人体中心点、两髋中心、右脚掌等骨骼点,实时计算人体中心点的空间位置、运动速度,以及两髋中心点的位置关系、离地面高度等参数。文中重点分析了跌倒时速度阈值和高度阈值。经过大量实验验证,在室内环境下,文中算法实时性高,能克服传统视频检测技术检测率低和实时性差的问题,在检测过程中能有效地保护老年人的隐私,不间断地实时检测,为老人意外跌倒提供安全保障。     

基于全局双线性注意力的红外视频行为识别

针对红外视频缺少纹理细节特征以致在人体行为识别中难以兼顾计算复杂度与识别准确率的问题,提出一种基于全局双线性注意力的红外视频行为识别方法。为高效计算红外视频中的人体行为,设计基于两级检测网络的关节点提取模块来获得人体关节点信息,创新性地将所形成的关节点三维热图作为红外视频人体行为识别网络的输入特征;为了在轻量化计算的基础上进一步提升识别准确率,提出一种全局双线性注意力的三维卷积网络,从空间和通道两个维度提升注意力的建模能力,捕获全局结构信息。在InfAR和IITR IAR数据集上的实验结果表明,该方法在红外视频行为识别中的有效性。     

基于轻量级图卷积网络的校园暴力行为识别

针对卷积神经网络和图卷积网络的两类算法在校园暴力行为识别中识别速度和识别率不高的问题,本文提出一种结合多信息流数据融合和时空注意力机制的轻量级图卷积网络.以人体骨架为研究对象,首先融合关节点和骨架相关的多信息流数据,通过减少网络参数量来提高运算速度;其次构建基于非局部运算的时空注意力模块关注最具动作判别性的关节点,通过...     

基于嵌入式视频监控的摔倒检测系统的设计

为了迅速获得老人跌倒信息,使其得到及时救助,设计和实现了基于嵌入式视频监控的摔倒检测系统。该系统无需人体佩戴任何设备,即可自动检测老人跌倒信息并报警。对监控到的视频流采用H.264标准进行编码压缩,运用B/S网络结构模式实现远程视频监控。同时,对监控到的视频流进行人体摔倒检测以实现报警。摔倒检测使用改进的高斯混合模型算法对背景进行更新,采用背景减除法来分割运动目标。经实验表明该嵌入式系统可实现远程监控并准确分割出人体目标,对其姿态进行自动判别,出现跌倒时进行报警。该系统满足实时性要求,误报率低,鲁棒性好。     

基于无线传感器网络的无线医疗监护系统的设计与实现

本文设计了基于无线传感器网络的无线医疗监护系统,利用基于TinyOS操作系统的CC2430作为无线射频模块,加速度传感器、脉搏传感器和体温传感器分别检测人体姿态、脉搏和体温。提出的基于RSSI值的定位算法可正确定位被监护者所处位置,跌倒算法可以准确判别人体跌倒状态,设计的上位机界面可以实时显示被监护人人体状态。结果表明,该系统可准确地获取被监护人脉搏、体温、人体姿态和位置等信息,实现了可靠的无线监护目标。     

基于红外图像和逆向投影算法的室内人体跌倒检测方法

研究表明跌倒是我国老年人伤害的主要原因,缩短跌倒到救治的时间能降低跌倒造成的伤害。为此,室内老年人跌倒检测需求逐年增加。红外传感器具有受光照影响小,保护隐私等优点,越来越广泛地应用于室内人体跌倒检测中。然而,由于红外图像存在分辨率低、信噪比差等缺陷,导致传统方法的检测精度较低。针对这个问题,本文提出一种基于逆向投影算法的室内人体跌倒检测方法。首先,通过人体温度计算出人体与传感器之间的距离;其次,结合图像信息,逆推出人体在真实世界的高度;最后,对获取的人体真实高度数据进行平滑处理,并根据其变化情况进行跌倒检测。实验结果表明,本文所提方法的检测准确率达到98.57%,优于传统非逆向投影方法,其性能完全可以应用于实际检测中。     

基于形状分解的书法字骨架提取新方法

针对传统骨架提取算法产生的骨架毛刺较多、交叉处易产生畸变的问题,文章提出一种书法字骨架提取新方法。在基于形状分解思想的基础上,将书法字骨架提取转化成一个分步的问题:由于点云模型能够充分利用现有汉字的底层信息,因此文章采用K-均值聚类算法分割书法字图像;并提出一种适用于书法字特征的以四邻域像素点距离为聚类中心的增量聚类算法提取书法字的部件骨架;最后基于字的拓扑结构连接部件骨架形成完整的骨架。实验结果表明,该方法在骨架提取中表现出了极大的优势,获得了质量较好的骨架,为骨架提取提供了新的思路。     

基于Reeb图的三维网格模型骨架提取算法

针对目前骨架提取算法存在计算复杂度高、骨架结构不够精确等问题,本文基于Reeb思想提出一种改进的三角网格模型骨架提取算法。首先对三角网格模型进行有效简化,计算简化后的模型特征点,以特征点为聚合点,测地距离函数为映射函数,根据不同顶点的函数值进行特征区域划分,然后利用不同分支的顶点信息进行拓扑分析,连接拓扑构造出的骨架点,并对多余骨架点做删除操作。实验结果表明,可得到较好的骨架提取结果。     

智能家居中老人跌倒远程监护系统的设计

经过对人体跌倒中所经历状态的分析,设计了一种基于检测加速度变化来判断跌倒的远程跌倒报警仪。这种跌倒检测报警仪的工作原理是通过对佩戴人发生跌倒时身体姿态的变化所引起的传感器3个轴上的加速度变化来监测人体是否跌倒。当检测到人体跌倒后,跌倒检测报警仪自身发出声光报警信号,并自动将跌倒报警的信息通过GPRS以短信或拨打电话的方式通知监护人员,同时通过IEEE 802.15.4e无线的方式将报警信息发到智能家居的远程监控网页,进行远程报警提示和报警信息的存储。     

基于MPU9250和MS5611的人体姿态检测系统设计

为了解决集中日程生活中老人可能发生跌倒而产生的危险，设计了一款基于MPU9250和MS5611的人体姿态检测系统，经过对人体日常运动的特性以及采集数据的特征分析，将人体的日常行为分为了3类，实验采用阈值算法、Mahony数据融合的算法，利用加速度结合俯仰角和滚动角以及气压计检测高度变换来检测人体姿态是否跌倒，结果表明该系统对跌倒行为的检测精度比较理想，可以更好的对人体的跌倒行为进行风险评估。     

智能家居中老人跌倒远程监护系统的设计与实现

经过对人体跌倒中所经历的状态的分析,设计了一种基于检测加速度变化来判断跌倒的远程跌倒报警仪。这种跌倒检测报警仪的工作原理是通过对佩戴人发生跌倒时身体姿态的变化所引起的传感器的三个轴上的加速度的变化来监测人体是否跌倒。当检测到人体跌倒后,跌倒检测报警仪自身发出声光报警信号,并自动将跌倒报警的信息通过GPRS以短信或拨打对方电话的方式通知监护人员,同时通过IEEE 802.15.4E无线的方式将报警信息发到智能家居的远程监控网页进行远程报警提示和报警信息的存储。     

球类运动中人体姿态估计研究进展

针对单个RGB图像,人体姿态估计通过对人体关键点定位来估计人体的位置和关节点位置。球类比赛是一种快速的运动,用主观观察对运动员的技术合法性进行判决无法避免错误。因此,文中利用基于人体姿态估计的运动员姿态分析技术进行辅助训练和辅助判罚,有效避免了传统系统中由于人的主观判断对运动员姿态的错误定位。目前,针对人体姿态估计的研究被分为基于传统算法和基于深度学习算法两种主要方式。在基于深度学习算法的基础上又分为单人人体姿态检测和多人人体姿态检测。基于深度学习算法的人体姿态估计通过构建神经网络,运用机器学习的方法提取图片特征读取图片信息,并在用于人体姿态估计的主流数据集上进行性能对比和分析。将人体姿态估计应用到球类运动中,为运动员的日常训练提供了一定的科学参考,同时也最大程度上保证了运动员比赛中的公平与公正。     

基于注意力机制的改进YOLOX行人跌倒检测方法

针对现有行人跌倒检测算法在复杂场景下存在漏检、检测精度低等问题，提出一种基于注意力机制的行人跌倒检测方法 YOLOX-s-EsE。改进的模型在骨干网络中引入SimAM注意力模块，在Bottleneck和特征融合模块增加ECA通道注意力模块，以进一步提取特征层的关键信息，损失函数采用EIo U，可以更有效地计算出预测框和真实框的差距，提升模型的精度。实验结果表明，改进后的算法在复杂环境下目标的检测效果有了明显的提升，相比原YOLOX-s模型，算法的mAP提高了约1.8%，达到了89.23%，精度提高了约4.6%，达到了91.79%。