基于PSO-BP神经网络光电编码器误差补偿研究

考虑到高精度绝对式光电编码器应用广泛,其角度测量精度对整个系统精度影响较大,但由于角度传感器生产安装过程中产生的误差等原因,使得传感器在实际应用中存在一定的误差.而使用传统误差补偿方法难以得到较好的补偿效果,本文使用一种基于PSO的BP神经网络作为角度传感器误差补偿系统的算法.通过实验验证,该种算法能够对角度传感器误差进行较好的补偿,与补偿前相比,其标准偏差提高了12.5倍,最大误差和平均误差降低到9.6％和8.5％,提高了传感器检测精度.与使用了基于传统BP神经网络和基于多项式拟合算法的误差补偿系统进行对比实验,结果表明,其补偿效果亦优于这两种算法.     

基于微型传感器驱动的三维实时运动人体模型

建立一种运用于人体运动捕获与再现系统的人体模型,实现人体运动实时控制模型的运动.根据微型传感器人体运动捕获与再现系统的特点,提出一种三维人体模型的层次化结构建模方法和多边形分组皮肤变形方法.该方法以生物动力学为基础,根据人体关节的运动特征进行分层表示,采用传感器数据驱动并控制人体骨架模型的运动以及皮肤模型的变形,实时再现真实人体运动.实验表明,新建模方法适用于传感器数据驱动人体模型的实时运动再现,并能够逼真地体现人体运动的生物力学特征.     

基于神经网络的传感器非线性误差校正

介绍了用神经网络校正传感器系统非线性误差的原理和方法,提出了一种基于RBF神经网络的传感器非线性校正模型及其算法,并与采用BP神经网络校正非线性误差进行了比较,并给出一个仿真实验,实验结果表明:采用RBF神经网络的传感器非线性校正精度和网络训练速度均大大优于BP神经网络,能满足实用要求.     

基于信道状态信息的非合作式室内人体运动检测

针对用摄像头、传感器等运动检测手段的设备部署复杂、昂贵、有盲区等缺点,提出一种利用无线保真（WiFi）信号进行人体运动检测的方法。首先,使用无线网卡接收被检测环境中WiFi的信道状态信息（CSI）;其次,使用局部离群因子检测（LOF）算法和Hampel滤波器去除异常的CSI数据;然后,用线性回归算法去除因网卡时钟不同步造成的频移误差,再用主成分分析（PCA）降维和朴素贝叶斯算法分类不同情况下的CSI数据,生成用于判断人体运动状况的模型;最终用生成的模型对人体运动状态进行判断。在实验中该方法能快速判断并达到95.62%的正确率。实验结果表明该方法能很好检测识别人的运动。     

基于PIR Sensor的单目标跟踪系统的设计与实现

针对基于热释电红外传感器的人体跟踪系统在实际环境中,由于受环境噪声和硬件参数影响而误差较高的问题,本文提出了一种基于热释电红外传感器PIR Sensor(Pyroelectric Infrared Sensor)的高精度人体目标跟踪方案。该方案首先对检测区域内运动人体热辐射的红外信号特征进行了提取,然后利用PIR Sensor定位节点自身几何参数和探测数据,得到初步定位结果。最后通过Kalman滤波算法对初步定位结果进行滤波处理并更新目标的状态信息,实现对检测区域内人体目标的定位与跟踪。实验表明,该系统的跟踪误差与同类跟踪系统相比降低了71.96%,证明了该系统具有较高的跟踪精度。     

基于多传感器数据融合的人体运动模式识别研究

针对单一传感器在人体运动姿态监测中误差较大的问题,提出了一种基于加速度传感器和陀螺仪数据融合的人体运动模式识别方法;该方法使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,采用卡尔曼滤波算法实现多传感器信息的融合,有效提高了姿态角度测量的准确度;根据人体日常的活动状态构建了基于人体姿态角度特征的隐马尔可夫模型实现人体运动模式的识别;实验表明,该方法比采用单一传感器方法识别的准确率高,可以有效区分不同的日常活动行为。     

基于视频的运动捕获

现有的运动捕获方法大都存在运动捕获设备昂贵、演员运动受限等缺点，为此，提出了一种利用视觉技术从视频中提取人体运动的方法，并对其中的特片跟踪和三维运动序列恢复等关键技术进行了深入研究。基于人体模型的特征跟踪算法利用卡尔曼滤波和极线方程，能精确地跟踪比较大的人体运动；采用不共面的非线性定标模型和考虑运动不确定性的三维重建方法，能恢复逼真的三维人体骨架模型，实验结果验证了基于视频的运动捕获方法的可行性和有效性。     

人体三维运动实时跟踪与建模系统

提出了一种新的人体三维运动实时跟踪与建模系统设计方法,并基于此实现了一套鲁棒的参考应用系统.针对人机交互等对跟踪精度要求不是很高的应用场合,系统在跟踪精确性和简易性与可推广性之间做了很好的折中.系统使用多个摄像头采集图像,实时计算场景深度信息,然后结合使用深度和颜色信息进行人体跟踪.应用一个简易的人体上半身三维模型,并使用基于颜色直方图的粒子滤波算法对头部和手部进行跟踪,从而恢复出模型的各个参数.系统以人脸检测和人手肤色聚类算法为初始化方法.大量实验证明,该系统能在复杂背景下进行人体上半身的跟踪和三维模型恢复,能进行完全自动的初始化,有较强的抗干扰能力和自动错误恢复能力.系统在2.4GHz PC机上能以25帧/秒的速度运行.     

基于混合遗传算法的人体运动捕获数据关键帧提取

为实现基于最佳关键帧集合的人体运动的紧致表示,提出一种遗传算法与单纯形法结合的人体运动捕获数据关键帧提取方法。以重构误差最小化和压缩率最优为目标,定义适应度函数,度量重构运动与原始运动之间的重构误差,通过关节位置和关节速率加权计算,并考虑数据的运动特性。利用背景知识对初始种群的个体进行优化,保证进化的良好基础和种群的多样性。将遗传算法和局部搜索技术结合,提高算法运行效率和求解质量。实验结果表明,该方法能够高效地从运动捕获数据中提取出最优的关键帧集合,较好地满足运动数据的紧致表示,且能高质量重构其它帧。     

网络化手势运动跟踪系统设计

设计了一种基于微机电惯性传感器的数据手套.根据惯性导航和刚体动力学原理,构建了基于微型传感器的体感网络,并通过多传感器数据的融合解算以获取运动姿态信息,实现对手指各关节运动数据的捕获.结合计算机图形技术构建三维虚拟手捕获系统进行性能对比评估,实验结果表明:所设计的系统具有良好的稳定性和适应性,能够对手运动信息进行实时有效地捕获.