基于时空张量融合的人体骨架行为自适应识别方法

针对人体行为的空间复杂性和时间差异性问题,提出了一种基于时空张量融合的人体骨架行为自适应识别方法。 首先 充分利用人体行为骨架序列的帧内空间关系和帧间时间关系,构建相邻帧时空特征张量;其次通过计算相邻帧时空特征张量的 差异性获取关键相邻帧时空特征张量并组成行为时空特征张量;之后利用行为时空特征张量的空间特征差异和多尺度时间卷 积构建行为时空特征张量自适应注意力机制,完成行为时空特征融合;最后,使用深度随机配置网络根据行为时空特征融合张 量识别人体行为。 使用 NTU RGB-D 数据集进行实验仿真,识别准确率达到 84. 57% ,并且设计相应的系统进行实际应用验证, 结果表明本文所提方法是一种适合应对人体行为空间复杂性和时间差异性问题的人体行为识别方法。     

动态环境下基于YOLOv5的RGB-D视觉SLAM优化方法

针对经典视觉SLAM系统的鲁棒性受环境中动态目标特征点影响较大的问题，提出一种使用目标检测算法识别并剔除动态目标特征点的方法。首先使用目标检测算法YOLOv5对采集到的环境图像进行识别，框选出环境中被认定为动态目标的物体，然后将目标检测的结果融合进视觉SLAM前端的特征提取，将提取到的图像特征点中属于动态目标部分的特征点剔除，利用剩余静态的特征点进行地图构建与定位，最终在TUM数据集上进行测试。结果表明，利用目标检测算法剔除动态特征点后的视觉SLAM系统在高动态场景下绝对轨迹误差的均方根误差降低了97.89%，有效提高系统的定位精度与鲁棒性。     

基于四元数时空卷积神经网络的人体行为识别

传统卷积神经网络(CNN)只适用于灰度图像或彩色图像分通道的特征提取,忽视了通道间的空间依赖性,破坏了真实环境的颜色特征,从而影响人体行为识别的准确率。为了解决上述问题,提出一种基于四元数时空卷积神经网络(QST-CNN)的人体行为识别方法。首先,采用码本算法预处理样本集所有图像,提取图像中人体运动的关键区域;然后将彩色图像的四元数矩阵形式作为网络的输入,并将CNN的空间卷积层扩展为四元数空间卷积层,将彩色图像的红、绿、蓝通道看作一个整体进行动作空间特征的提取,并在时间卷积层提取相邻帧的动态信息;最后,比较QST-CNN、灰度单通道CNN(Gray-CNN)和RGB 3通道CNN(3Channel-CNN)3种方法的识别率。实验结果表明,所提方法优于其他流行方法,在Weizmann和UCF sports数据集分别取得了85.34%和80.2%的识别率。     

基于Shi-Tomasi的太赫兹人体图像边缘物体识别

为了提高太赫兹安检系统对人体图像边缘物体识别的准确率,提出了一种基于Shi-Tomasi算子的角点特征识别算法.首先对原始图像进行预处理,经二值化、腐蚀膨胀、边缘平滑后消除人体轮廓中孤立的噪声和边缘刺峰;然后将Shi-Tomasi算子筛选后的人体轮廓强角点与垂直方向阈值范围内的相邻角点连线,并根据连线两侧遍历像素变化点...     

高动态环境下的傅里叶梅林变换视觉SLAM算法

针对视觉即时定位与地图构建(SLAM)中的静态假设限制其在动态现实环境中应用的问题，提出了一种在高动态环境下基于傅里叶梅林变换的视觉SLAM算法。首先，采用傅里叶梅林算法配准以补偿相机运动，应用帧间差分算法获取运动掩膜。同时利用短时密集连接网络进行语义分割确定潜在运动物体掩膜。结合运动掩膜与物体掩膜，获得最终的物体运动区域，剔除该区域的特征点。最后，依据稳定的静态特征点跟踪优化，提升位姿精度。实验结果表明，本算法的绝对轨迹误差与相对位姿误差相比于ORB-SLAM2减少了95%以上，相比于DS-SLAM减少了30%以上，验证其在复杂动态场景下具有良好的定位精度与鲁棒性，有效降低运动模糊与光照变化对运动检测的影响，同时，克服了传统动态SLAM难以检测非先验运动对象的弊端。     

基于改进双流时空网络的人体行为识别

针对传统双流网络无法捕捉视频序列中的时序关系从而导致对时序依赖较大的行为识别效果不理想的问题,提出一种基于改进双流时空网络的人体行为识别算法.首先利用时间移位思想,使卷积神经网络对视频中的时序关系建模,从而高效地捕捉视频中的时空信息;同时使用注意力机制改善由于通道信息在时间轴上移动导致的空间特征学习能力下降的问题;在此...     

利用姿势估计实现人体异常行为识别

异常行为识别是近年来计算机视觉领域的研究热点。为了实现对多人体异常行为精确识别的目标,提出了一种基于人体姿势估计的异常行为识别算法。首先采用基于滤波通道特征的行人检测算法对各个目标人体进行定位;然后对每个人体构建基于图结构框架的外观模型;最终采用霍夫方向计算器算法(HOC)提取人体部件特征,从而进行行为分类。实验结果表明,该文算法可以在单帧图像上对多个人体的行为进行识别,并提供了多类别的异常行为分类,实验效果明显,准确率较高。     

结合特征复用注意力与精细化分层残差的细微裂纹密集连续检测

细微裂纹的高效识别对结构体早期故障诊断具有重要意义.图像分割等方法在处理复杂且带有断裂的细微裂纹时难以达到满意效果.因此,将细微裂纹的识别问题转变为密集连续的中心点预测问题,利用精细化分层残差模块构造特征提取器并结合具有特征复用的注意力模块提出一种细微裂纹检测方法.首先使用相同的矩形框沿裂纹轨迹密集连续地标注;其次对不...     

面向场景重构的多序列间配准

针对传统的单序列扩展式场景重构方法易丢失场景信息,数据利用率低下等问题,提出一种面向场景重构的多序列间配准的方法。该方法采用相似变换作为配准模型,完成对不同参考坐标系下尺度、旋转、平移相分离的初始配准;然后通过拟合观测平面来抑制噪声点并筛选公共可见点;最终对不同尺度、方位的序列进行配准,配准结果可直接用于后续的重构中。实验表明:通过相应噪声抑制,使得各序列的系统初始重投影误差降低了17.69%到46.86%,终止重投影误差降低了27.5%到71.96%。配准后从相同的47幅图像中可重构10 596个场景点,相比传统单序列方法的3 893个场景点,该方法更充分有效地利用了观测图像,使最终拟合的场景曲面包含了更多的场景细节。     

支撑点扩展快速立体匹配方法的设计与应用

为精确构建计算机立体视觉中的视差图,提出了一种快速全局优化匹配算法。该算法采用吉布斯随机场模型描述空间点与其邻域之间的关系,由改进的Graph Cuts方法对空间点的邻域进行匹配来获取场景的致密视差图。首先,计算出一组具有明确匹配关系的稀疏匹配点,将这些匹配点命名为“支撑点”;然后,对每一个支撑点的邻域进行扩展,采用改进的Graph Cuts全局优化算法计算扩展后的邻域空间的匹配关系,并将满足一定匹配度的邻域点设置为新的支撑点。最后,重复上述步骤并逐级扩展,直至扩展出的匹配空间覆盖整个视图,进而获取待匹配图对的致密视差图。实验结果表明,该方法不仅对不同场景视差图的质量具有良好的一致性,而且匹配速度较快(匹配时间约为0.8~1.2 s),大大高于其他传统的全局匹配算法。为体现本文算法的实际应用价值,以Smart Eye Ⅱ立体视觉试验台为测试平台,对真实场景进行了视差图构建,取得了良好的试验效果。     

人体下肢应激微反应自动识别

由于现有的动作识别方法不能直接用于人体微反应动作识别,本文基于人体下肢微反应动作特点,构建了一种时空金字塔韦伯局部描述子并设计了基于字典学习的人体下肢微反应自动识别算法。该方法利用时空金字塔韦伯局部描述子提取每一类人体下肢微反应动作特征,使用主成分分析法对特征降维;然后,建立每一类动作子字典并将子字典串联形成总的动作字典;最后,通过实验分析了金字塔级数L,降维后每类动作特征维数d_(PCA),每类动作子字典原子个数n_(Atom),以及稀疏阈值C等参数对识别结果的影响,并确定最优参数值L=3,d_(PCA)=30,n_(Atom)=40,C=10。实验结果表明,提出的算法对10种人体下肢微反应动作的识别率均在0.83~0.91之间,平均识别率达到0.86,高于其他动作识别算法。设计的算法更适用于人体下肢微反应动作分类,并可有效提高分类识别率。     

基于关键帧定位和时空图卷积的异常行为识别

为提高监控视频中行人异常行为检测效率,提出了结合关键帧定位和时空图卷积的异常行为识别方法。该方法在人体骨架关键点检测的基础上,采用关键点运动特性定位视频中行人异常行为关键序列,利用时空图卷积网络可以提取行人时空特征的优点,在关键帧序列上构建人体骨架时空图,同时建立基于瓶颈残差模块的时空图卷积网络行为识别模型,实现对监控视频中行人异常行为的高效识别。采用自建数据集和公开数据集对该方法有效性进行检验,结果表明,该键帧定位算法可高效实现异常行为定位,结合基于瓶颈残差模块时空图卷积网络,在减少时空图卷积网络计算复杂度的同时提升了网络性能,能够有效判断行人异常行为。     

采用自适应变异粒子群优化SVM的行为识别

为了提高对视频序列中人体行为的识别能力,建立了基于局部特征的动作识别框架。通过时空特征提取及编码和SVM分类器参数优化两部分对该框架所涉及算法进行了研究。首先,采用Harris3D检测器获取时空兴趣点(STIP),以方向梯度直方图(HOG)和光流方向直方图(HOF)对STIP进行描述,并引入Fisher向量实现对特征描述子的编码;由于固定参数下SVM动作分类模型存在泛化能力不足的问题,将粒子群算法应用于各动作分类器参数寻优过程中,针对种群多样性逐代变化的特点,构建粒子聚集度模型,并利用其动态调节各代粒子的变异概率;最后,利用KTH和HMDB51数据集对所提方法进行验证。结果表明,所提自适应变异粒子群算法(AMPSO)能够有效避免种群陷入局部最优,具备较强的全局寻优能力;在KTH和HMDB51数据集上的识别准确率分别为87.50%和26.41%,优于其余2种识别方法。实验证明,AMPSO算法收敛性能良好且整体识别框架具有较高的实用性和准确性。     

基于改进SIFT特征提取的车标识别

为减少SIFT车标识别算法中检测极值点的冗余以及各种图像变化因素的不利影响,提出了基于边缘约束和全局结构化的改进SIFT算法。利用图像不变矩理论及图像边缘检测算法只对目标图像的边缘区域检测,剔除与车标识别区域无关的极值点;同时将特征点邻域划分为圆形并计算出同心圆内像素点最大曲率来构建全局SIFT组合特征向量,使SIFT描述子具有全局描述特性;并结合SVM模型作为车标图像特征向量的分类器进行特征分类、识别。仿真实验结果表明:改进的SIFT算法可以减少冗余极值点约25%~45%,提高了检测极值点的有效性;使车标平均识别率达到97%以上,改善了识别实时性。改进SIFT的车标识别方法与几种常用的图像特征提取算子相比较具有识别率高、识别速度快的优点。     

采用PHOG融合特征和多类别Adaboost分类器的行为识别

为了解决类能量图易受人体运动时间和位置移动等因素影响而难以有效描述动作细节特征的问题,本文提出了一种基于类能量图金字塔梯度直方图(PHOG)融合特征和多类别Adaboost分类器的人体行为识别方法。该方法首先对经过躯体配准的运动人体目标轮廓图像构造平均运动能量图(AMEI)和增强的运动能量图(EMEI),分别提取其分层梯度方向直方图(PHOG)特征并进行串联融合,作为一种多层次的行为特征描述;然后使用基于查找表的LUT-Real Adaboost算法设计多类别分类器,实现图像中人体行为动作的识别。实验结果显示其在典型的人体动作数据集DHA上的正确识别率达97.6%,高于其它采用单一特征描述和SVM等分类器的方法。表明该方法将整体与局部特征相结合,可以有效描述不同尺度下的动作细节特征,增强了人体行为特征的描述能力,提高了识别性能。     

基于多描述子投票的飞机蒙皮局部扫描点云定位

为了提高数字化飞机蒙皮检测技术的效率,针对其中局部蒙皮和数字模型的对齐问题,提出了基于多描述子投票的飞机蒙皮局部扫描点云定位算法,采用基于测地距离的蒙皮面片选取方法,综合利用多种三维点云描述子的识别能力差异来确定数字模型上的定位区域,同时提出了投票点加权定位法来提高定位位置精度。根据对比实验结果和工程实例上的实际应用,得出结论如下：所提算法相比于基于单一描述子的定位方法定位准确率平均提高约37.5%;所提算法在实际工程中具有可行性。     

Gesture imitation and recognition using Kinect sensor and extreme learning machines

This study presents a framework that recognizes and imitates human upper-body motions in real time. The framework consists of two parts. In the first part, a transformation algorithm is applied to 3D human motion data captured by a Kinect. The data are then converted into the robot’s joint angles by the algorithm. The human upper-body motions are successfully imitated by the NAO humanoid robot in real time.In the second part, the human action recognition algorithm is implemented for upper-body gestures. A human action dataset is also created for the upper-body movements. Each action is performed 10 times by twenty-four users. The collected joint angles are divided into six action classes. Extreme Learning Machines (ELMs) are used to classify the human actions. Additionally, the Feed-Forward Neural Networks (FNNs) and K-Nearest Neighbor (K-NN) classifiers are used for comparison. According to the comparative results, ELMs produce a good human action recognition performance.     

Experimental study on rectangular cut-throated flume: Effects of flume walls slopes and channel longitudinal slope

This research conducted to study the flow through a rectangular cut-throated flume (RCTF). The flume is simply formed by placing two vertical triangular prisms (two vertical folded plates) on either side of a rectangular open channel. Both channel and flume cross-sections are rectangular. The investigated flume is inexpensive, easy to install and does not require high maintenance. A wide experimental investigation, carried out under free outflow conditions and under upstream subcritical flow regime to investigate the effects of the channel longitudinal slope, the flume throat width, and slopes of upstream and downstream flume walls on the stage-discharge relationship. The stage-discharge relationships were deduced by applying the dimensional analysis and were calibrated using the data of this study. The proposed stage-discharge equation for horizontal channel has an average absolute relative error of 2.97% with the relative errors restricted in the range of ±10%, and 80% of the data points are in the error range of ±5%. The proposed stage-discharge equation for sloping channel has an average absolute relative error of 3.97% with the relative errors restricted in the range of ±10%, and 66% of the data points are in the error range of ±5%. The measurements indicate that slopes of upstream and downstream walls affect the stage-discharge relationship of the CTFs only in sloping channels and flow discharge is not influenced by the flume walls slopes in a horizontal channel. The proposed unified stage-discharge equation for both horizontal and sloping channels has an average absolute relative error of 3.38% with the relative errors restricted in the range of ±10%, and 74% of the data points are in the error range of ±5%. The proposed stage-discharge model demonstrates favorable accurate and convenient estimation of discharge for flows through the CTFs.     

一种下肢运动意图识别算法性能实时测评系统* .txt

摘要：对腿部运动意图识别算法的实时性能进行综合可靠的评价是实现下肢假肢灵活稳定控制的前提。提出一种逐层分级的基于下肢运动意图识别算法的实时测评方法,对算法的可靠性、稳定性以及运动意图识别速度进行综合评价。利用开发的运动意图识别算法评测系统,对基于肌电信号源和机械信号源的两种运动意图识别算法进行了实时性能测试,发现肌电信号源的算法识别时间大于机械信号源算法,但是其算法稳定性优于机械信号源算法。进一步地,还利用该评测系统有效地区分出正常识别策略与异常识别策略,发现正常策略的动作识别稳定系数比异常策略高25%左右。因此,所提的基于下肢运动意图识别算法的实时测评方法,能够对不同信号源算法以及不同识别策略的实时性能进行有效评价,为智能下肢假肢控制系统开发提供可供参考的测试平台。 .txt