基于人体传感和Android技术的运动监测系统设计与实现

为了避免运动过程中和比赛中运动姿态不正确以及运动过量对身体造成的伤害,提出了基于人体传感和Android技术的运动监测系统的设计,在运动过程中对人体运动参数和运动姿态实时监测,通过Android平台实现卡路里消耗计算和运动姿态建模评估,以避免出现运动损伤和体能透支现象。监测系统以MSP430单片机为控制核心,采用MPU6050三轴加速度传感器实时测量人体三轴加速度,利用Android平台计算加速度、速度、里程等运动参数、运动中消耗的卡路里能量,以及人体运动轨迹跟踪、定位;并通过人体运动模型识别算法评估人体运动姿态,实现危险动作预判。实验证明系统能够实现实时运动监测、运动跟踪定位,保护运动者的身体健康。     

基于信号强度的分组帧时隙ALOHA防碰撞算法

针对现有ALOHA防碰撞算法存在系统吞吐量低下的问题,利用射频识别阅读器和标签之间的信号能量传输特点,对帧时隙ALOHA算法( FSA)进行改进,提出一种分组帧时隙ALOHA防碰撞算法。根据接收信号能量的强度将标签均匀分布到帧时隙中进行分组应答,从而降低标签碰撞概率。仿真实验结果表明,在标签数与帧时隙数之比小于1.8的情况下,该算法最大系统吞吐量可达50%,优于FSA算法及碰撞分组算法。     

基于乘客多运动行为的公交客流计数判定方法

针对基于单目视觉的公交乘客人数统计判定方法不稳定、计数结果不准确的现状,结合公交车门附近乘客运动行为的复杂性和多样性,以及乘客运动行为对计数判定方法的干扰,给出一种基于乘客多运动行为分析的计数判定方法。采用轨迹聚类的方式对乘客运动行为进行分析,结合轨迹的空间特征和方向特征计算轨迹距离,并使用层次聚类方法进行聚类。分析聚类结果中每一类别所对应乘客类的运动行为,讨论各乘客类的运动行为对常用计数判定准则的影响,由此提出一种改进的公交车客流计数判定方法。利用采集的乘客上下公交车视频图像进行实验,结果表明,该方法能获得较高的统计精度和较好的稳定性。     

基于颜色分割和LBP纹理检测的运动目标提取

针对传统LBP纹理检测在运动目标提取中对原地或缓慢运动物体容易误判为背景的问题,提出一种基于颜色分割和LBP纹理检测的提取方法。主要思想分为3步：根据LBP纹理检测结果映射得到宏块级粗糙运动目标;根据K‐means颜色分割方法得到颜色分类信息;根据提出的宏块交叠机制,将颜色信息与运动信息进行融合,得到最终的提取结果。对比实验结果表明,该方法在保持良好的光照鲁棒性和阴影抵抗力的同时,可以有效改善运动目标空洞、背景融入等问题,满足实时要求。     

基于运动标签的异常行为检测算法

针对视频监控中异常行为检测的问题,提出了一种基于运动标签的检测算法。通过对视频结构语义的分析,针对像素块的运动标签在时间维度和空间维度的分布关系,定义五种低维度的行为特征描述符作为视频中行为特征的表示。将这些提取的行为特征作为SVM分类器的输入,训练和建立了基于运动标签的异常行为检测模型。实验表明,该算法与同类算法相比,取得了更好的检测效果。     

旋翼飞行机器人研究进展

旋翼飞行机器人是面向空中自主作业需求,将旋翼飞行器与多自由度机械臂相结合所提出的新型机器人.该机器人作业过程中旋翼飞行器、机械臂与作业目标之间的动态相对运动以及与作业目标接触过程中未建模外力、力矩扰动使自主控制受到极大挑战.本文将针对旋翼飞行机器人的结构演变及关键技术、作业机构集成技术进行综述.从动力学建模及动力学特性分析、动态运动约束/力约束下的协调规划、非结构环境下的运动和作业控制、面向任务动态操作的环境感知、面向任务的实验系统构建与实验验证五个方面初步构建了旋翼飞行机器人自主作业理论体系.     

一种视频图像目标平移运动估计算法

运动估计是数字视频处理的基本问题之一,目前广泛采用的是相位关法,由于频谱泄漏和边界效应等原因,其运动估计的准确性难以保证。为此,在讨论基本的相位相关算法的基础上,引入一种用于构造二维圆对称窗函数的核回归方法,提出基于加窗预处理的相位相关法,并将其应用于运动目标的平移运动估计。对比实验结果表明,该方法能够有效地降低频谱泄漏和边界效应对运动估计的影响,提高了相位相关法对运动目标平移估计的正确性。     

红外运动模糊图像参数估计方法

在船舶上拍摄红外传感图像的过程中由于船舶的摇晃而导致的运动模糊,会降低图像的质量.根据运动模糊图像的特性,分析了运动模糊图像的退化模型与特性.首先对倒频谱进行了二值化,并运用Radon变换确定了点扩散函数的模糊角度,然后使用模糊尺度迭代与维纳滤波得到复原图像,再对其进行边缘检测,通过计算累计边缘数确定了模糊尺度.最后对不同模糊程度的图像计算参数并复原,实验结果表明了算法的有效性.     

一种基于高斯混合模型的轨迹预测算法

在智能交通控制系统、军事数字化战场、辅助驾驶系统中,实时、精确、可靠的移动对象不确定性轨迹预测具有极高的应用价值.智能轨迹预测不仅可以提供精准的基于位置的服务,而且可以提前监测和预判交通状况,进而推荐最佳路线,已经成为移动对象数据库研究的热点,亟需设计准确而高效的位置预测方法.针对现有方法的不足,提出了基于高斯混合模型的轨迹预测方法GMTP,主要步骤包括:(1) 针对复杂运动模式利用高斯混合模型建模;(2) 利用高斯混合模型计算不同运动模式的概率分布,进而将轨迹数据划分为不同分量;(3) 利用高斯过程回归预测移动对象最可能的运动轨迹.GMTP是高斯非线性概率统计模型,其优势在于:计算结果不仅是位置预测值,更是关于移动对象未来所有可能运动轨迹的概率分布,可以利用概率统计分布特性获得某种运动模式(如匀加速运动)下的位置预测.大量真实轨迹数据集上的实验结果表明:与相同参数设置下的高斯回归预测和卡尔曼滤波预测法相比,GMTP的预测准确性平均提高了22.2%和23.8%,预测时间平均缩减了92.7%和95.9%.     

运动模糊图像复原算法研究

运动模糊主要是由于成像系统与目标物之间产生了相对运动而成的。在运动模糊图像复原的研究中,运动模糊的点扩散函数(PSF)和复原方法是近年来图像复原中的热点问题。针对含有噪声的运动模糊图像的退化模型和恢复过程进行了研究,叙述了运动模糊图像基本原理,并提出了一种基于变分法求极值的方法并应用了模糊图像限制核函数法的方法解决了变分模型中大多数应用场定义域的有限性,最后根据方法得出实验结果。