载人潜水器虚拟潜航员作业姿态仿真优化

为减少潜航员在深海复杂环境下的误操作,提高人因可靠性,优化载人潜水器舱室空间是一项非常重要的方法。狭小密闭空间的布局方法是通过建立仿真模拟器来进行系列优化研究与评估。以蛟龙号为例,构建基于多目标博弈下的潜航员作业姿态仿真模型,在虚拟的舱室环境中,多个目标、任务及潜航员的关节姿态、舒适性、平衡性等因素之间进行博弈。根据MAS(multi-agent system)合作式博弈框架模型,一个行为模式层级动作就意味着完成多次微分博弈,博弈算法采用梯度下降的方法,搜索步长以前一次的子行为为基准,能快速得到虚拟潜航员的最佳工作状态。潜航员多元目标冲突问题在协商的基础上,经多次行为模式的微分博弈达到最佳均衡,其结果累加最终可获得满足多种利益的最佳均衡状态Pareto最优解集。仿真结果表明,潜航员在高强度、长时间作业环境下能修正自身行为,表现出良好的适用性,验证了技术的可行性和有效性。仿真得到的系列动态数据为优化潜水器舱室布局,提高人因可靠性提供了一种思路和途径。     

应用PCA理论进行多人脸姿态估计的方法

多人脸姿态估计是多姿态人脸识别的关键问题,至今尚未很好地解决。本文提出了一种基于PCA(Principal Component Analysis)算法的多人脸姿态估计方法,以获得人脸姿态与人脸图像在特征空间投影间的对应关系。算法首先利用PCA理论构建训练样本集的姿态子空间与特征向量,然后利用欧氏投影距离进行姿态估计,最后对方差贡献率与姿态估计准确率间的关系进行了研究。为了验证算法的有效性,利用23类姿态,共690个样本进行了实验,实验结果表明,该方法的姿态估计准确率为84%。说明将该方法应用与多姿态人脸估计是有效的,可行的。     

基于支持向量机的人体姿态识别

人体姿态识别是当前自动视频理解技术的研究热点,提出的算法能够识别视频中的十二种人体姿态,包括走路、跳跃、爬行和弯腰等.算法首先提取前景图像中的星形轮廓位置、六星角度和离心率等多特征信息,组成人体姿态特征,结合该特征的向量表示利用基于径向基核支持向量机的分类器,实现各种姿态的识别.实验中,在公共数据库和部分自采集数据基础上构建特征库,对分类器进行训练,对其余自采集数据进行分类,结果表明:该算法对小样本下的人体姿态识别具有令人满意的结果.     

基于注意力机制和姿态识别的行人再识别

在解决行人再识别技术中的姿态变化、遮挡、背景等问题时,为了提高遮挡下的行人再识别性能,提出一种基于注意力机制和姿态识别的行人再识别方法。采用全局注意网络和姿态识别网络分别提取行人图像的全局特征、关节点位置热力图和对应的置信度,通过计算得到行人13个关节点和融合所有关节点的局部特征,对全局特征和14个局部特征分别进行行人分类训练,利用多任务学习多个损失共同监督网络的优化。测试时,将关键点特征和全局特征融合后,计算行人的距离排序。在Market1501和DukeMTMC-reID数据集上测试的Rank-1/mAP指标分别达到了85.1%/75.6%和64.3%/55.3%。结果表明,所设计方法具备抗姿态变化、遮挡和背景的能力,同时具有较高的识别能力和识别精度。     

二维人体姿态估计研究进展

人体姿态估计是人体动作行为识别与分析的基础,在计算机视觉领域有着广阔的应用前景。二维人体姿态估计算法可分为基于整体特征的、基于模型的和基于深度学习的3种:基于整体特征的人体姿态估计算法的研究集中在图像特征的提取和实现图像特征到部位定位的非线性映射函数上;基于模型的人体姿态估计算法的研究集中在人体模型、部位外观模型、搜索空间和推理算法四个方面;基于深度学习的人体姿态估计算法的研究集中在如何利用深度学习模型提取抽象图像特征和实现从图像到人体姿态的非线性映射两个方面。人体姿态估计研究虽已取得较好效果,但在估计准确度、收敛速度、鲁棒性和通用性等方面仍需进一步研究提高。     

室内场景下人体行为异常检测方法研究

基于图像的人体异常行为检测方法,当人数增多、遮挡等情况发生时,人体行为数据信息可靠性较低,检测精度不高、自适应性差,本文提出一种基于姿态特征的异常行为检测方法解决上述问题.利用成熟的人体姿态识别技术提取视频中人体关节点数据,将关节点坐标转化为人体行为的角度特征和距离特征以表达人体姿态;应用机器学习方法对关节特征进行分析...     

基于基空间转换的姿态人耳识别

人耳识别是近年来新兴起的一种生物特征识别技术,然而姿态问题一直是其难点问题之一,针对此问题提出了一种基于基空间转换的新方法．首先,利用主元分析和核主元分析方法得到姿态人耳图像和正侧面人耳图像的基空间,通过计算两种基空间之间的线性转换关系求出姿态转换矩阵,然后将待测的姿态人耳图像特征集利用基空间姿态转换矩阵转变成正侧面人耳图像特征集,最后用支持向量机进行分类识别．实验结果表明,该方法与没有经过姿态转换的方法相比,识别率显著提高．     

基于弱监督迁移网络的3D人体关节点识别

针对2D图像缺少深度信息,行为姿态空间结构信息不完备的问题,提出一种基于弱监督迁移网络的3D人体关节点识别方法。首先,提出一种用于真实图像的端到端3D人体姿态估计框架,使用2D与3D混合标签图像对深度神经网络进行训练,在2D人体姿态识别子网络中,添加深度回归模块对2D人体姿态识别子网络进行改进,解决3D人体姿态识别出现的深度歧义性问题;其次,在3D人体姿态识别子网络中,引入3D几何约束对人体姿态识别进行规范化操作,针对无真实深度标签的情况,可更好地学习深度特征,有效解决存在遮挡情况的人体姿态识别问题。在Human 3.6M和MPII数据集中关节点预测平均误差低于其他方法,具有更好的3D人体姿态识别效果。     

基于加速度传感器的人体姿态跟踪角度算法

人类肢体的运动可以简化为像连杆的刚性运动,而运动着的四肢与躯干之间总能形成一个角度关系.利用在人体手臂上固定三轴加速度传感器,通过一定的变换能实时计算出手臂与躯干上固定点的角度信息.基此设计了一种新的改进角度算法,通过实验对结果数据进行分析,并利用软件建立人体模型,在OSG平台上进行仿真,证明了算法的正确性以及在人体姿态跟踪中应用的可行性.     

基于频率域分析的姿态估计方法

近年来随着机器视觉、图像处理技术的发展,在许多领域中需要依据所拍摄的图像对其拍摄距离及拍摄姿态进行推测。针对传统姿态估计方法中所存在的嵌入标识会影响图像质量、破坏图像完整性的问题,利用图像的空间频率域分析方法,提出了在图像中嵌入高频信号标识,并观察其空间频率变化,从而推断其姿态变化的方法。实验结果证明该方法在不破坏图像完整性的前提下,有效估计出样本图像在三个轴方向上的旋转角度,从而证实了此方法在姿态估计方面的应用可靠、有效。     

基于轮廓曲率和谱系聚类的大鼠体态自动识别

为了对行为实验中大鼠的体态进行自动识别分析，提出了一种基于轮廓曲率和谱系聚类的识别算法．应用图像处理技术从序列实验图像中分别提取出大鼠轮廓曲线，计算大鼠轮廓曲线的曲率函数及其频谱，并以频谱作为体态聚类和识别的特征矢量．应用谱系聚类方法构建每种大鼠体态特征矢量的子类聚类中心特征矢量．应用1319幅样本图像和10629幅测试图像对本算法进行了实验．结果表明对样本图像和测试图像的识别正确率分别为94.16%和89.58%，该算法可用于大鼠体态的自动识别及后续的行为分析．     

基于Mask R-CNN与改进BP神经网络联合算法的变压器套管红外热故障诊断

为解决传统图像类算法在变压器套管状态诊断时存在的效率低、准确度不高以及复杂背景下变电设备目标识别困难等问题，提出了将Mask R-CNN与改进BP神经网络相结合的套管红外图像状态诊断方法。首先，利用Mask R-CNN解决套管红外图像背景复杂时分割困难的问题；其次，基于灰度特征的特征量提取方案，实现对红外伪彩图特征量的提取；最后，引入粒子群优化BP神经网络（PSO-BP）算法对变压器套管特征进行分类识别。实验结果表明，该方法对红外图像中套管的运行状态具有较好的检测效果，对套管中介质损耗故障、接头故障和漏油故障的故障诊断准确率分别可达100.0%、88.9%和96.3%，平均准确率达到93.518%，优于传统BP算法和支撑向量机（SVM）算法。     

基于RBF神经网络的人体动态姿态识别算法

利用三轴加速度传感器对人体姿态加速度信号进行采集和处理,通过径向等函数（RBF）神经网络算法对数据进行训练和分类,从而达到对人体基本动态姿态的识别。实验表明,该算法可以达到90％以上的识别率。     

基于Log-Gabor和ULBP改进算法的人脸识别

为进一步提升人脸识别系统的识别率,加强其对光照、表情、姿态变化的鲁棒性,针对人脸识别中的特征提取问题,提出一种基于Log-Gabor与均匀局部二值模式（Uniform Local Binary Pattern,ULBP）改进算法的人脸识别方法。该算法采用多尺度、多方向Log-Gabor滤波器对图像进行滤波来提取Log-Gabor特征,再通过旋转不变均匀模式的LBP进行运算编码,并利用局部空间直方图来描述人脸,最后通过加权的卡方距离对直方图匹配完成人脸识别。在Yale、GT人脸数据库上的测试结果表明,该方法具有更好识别性能,且对环境鲁棒性较好。     

基于线性加速度的多节点人体行为识别

针对当前基于加速度人体行为识别方法中存在的行为数据易受重力加速度影响以及空间信息欠缺等问题,提出一种基于线性加速度的多节点人体行为识别算法。通过分段双向去除重力加速度算法,去除传感器加速度中的重力加速度得到线性加速度;使用滑动均值滤波器滤除线性加速度与传感器加速度的颤抖运动,并对两种加速度中的冗余动作进行裁剪;分别从两种加速度中提取不同关节点数据间的动态时间规整算法(dynamic time warping, DTW)距离特征以及7种常规时域特征;利用支持向量机对人体行为进行分类。试验结果表明,该方法能有效提高人体行为识别的准确性。     

无陀螺惯性测量组合姿态解算新方法

从加速度计配置的一般性出发,在加速度计安装位置存在偏差的实际条件下,提出了具有补偿效应的无陀螺惯性测量组合姿态算法．该算法通过推导加速度计输出误差方程,在传统算法中进行相应补偿以达到减小误差的目的．同时针对目前多种加速度计配置方案,提出了9加速度计配置方案．在此方案基础上进行了算法仿真．仿真结果表明该算法可有效提高角度估算精度．     

鲁棒的掌纹图像特征提取方法

提出了一种基于低分辨率彩色图像的鲁棒的掌纹图像特征提取方法.采用均值平移算法对彩色图像帧中像素进行聚类,应用Ostu二值化方法分割出手掌,并提取出有效掌纹区域.采用KLT角点检测算法提取出有效掌纹区域内的特征点,给每个特征点赋予方向,并根据局部区域特征构造方向不变的特征向量,所有特征点及其特征向量的集合构成了掌纹图像特征.在识别时只须在两个特征点集之间查找匹配对应,并通过随机采样一致性检验最大一致集中内点个数是否大于自适应域值来确定两个手掌是否匹配.利用该算法对网络摄像头采集的手掌样本进行了实验测试,获得了较高的识别精度与性能.该算法对手掌的距离、方向、姿势没有特殊要求,是一种鲁棒高效的掌纹图像特征提取方法.     

基于GWO-SVM的下肢假肢穿戴者骑行相位识别

针对下肢假肢穿戴者骑行相位识别的问题,提出基于灰狼算法优化的支持向量机(GWO-SVM)分类模型. 建立下肢多源信息系统,采集膝关节、踝关节的加速度信号以及膝关节角度信号. 应用奇异值分解,对采集到的信号进行降噪处理. 在对信号进行降噪处理之后,为了避免单一信号不确定的影响,从数据冗余角度,选取各信号的特征点,开展归一化处理,组成多维特征向量,作为SVM分类模型的输入. 为了能够进一步提高分类精度,加强全局优化能力,利用GWO算法对核参数进行优化. 通过与PSO-SVM分类模型、GA-SVM分类模型对比表明,基于GWO优化的SVM分类模型对骑行相位的识别率为94%,高于其他方法优化的SVM分类模型.     

基于Adaboost-高斯过程分类的人脸表情识别

为了弥补Ababoost分类器分类精度不够、训练耗时的缺点,利用高斯过程分类器分类精度高、计算复杂度低的优势,提出一种改进的表情识别方法.该算法将高斯过程分类（GPC）和Adaboost的人脸表情识别算法相结合,在训练二分类Adaboost时利用高斯过程分类器训练弱分类器;把这些弱分类器组合成一个总分类器,将二分类Adaboost GPC扩展为多类分类算法.采用Gabor提取面部表情特征,由于Gabor特征提取后存在维度变高、冗余大的问题,引入二维主成分分析（2DPCA）对Gabor特征进行选择.基于Cohn-Kanade和JAFFE数据库的实验结果表明,该算法在识别正确率和速度方面的表现均较好.     

基于3D-CBAM注意力机制的人体动作识别

针对已有的动作识别方法的特征提取不足、识别率较低等问题,结合双流网络、3D卷积神经网络和卷积LSTM网络的优势,提出一种融合模型. 该融合模型为了更好地提取人体动作特征,采用SSD目标检测方法将人体目标分割出作为局部特征和原视频的全局特征共同训练,并采用后期融合进行分类; 将3D卷积块注意模块采用shortcut结构的方式融合到3D卷积神经网络中,加强神经网络对视频的通道和空间特征提取; 并且通过将神经网络中部分3D卷积层替换为ConvLSTM层的方法,更好地得到视频的时序关系. 实验在公开的KTH数据集