基于旋转模式的移动设备佩戴位置识别方法

移动设备计算能力和传感能力的发展,使其可以为用户提供多种基于情境信息的服务.移动设备的佩戴位置作为一种重要的情境信息,影响着其他用户活动的识别效果和移动应用的自适应功能.分析得出当移动设备在不同身体部位佩戴时,旋转变化模式不同.提出了一种识别设备随身佩戴位置的方法.该方法使用加速计与陀螺仪两种传感器进行数据融合,计算出旋转半径、角速度幅度和重力加速度并提取特征.在分类时,使用随机森林作为分类器,并与使用支持向量机的方案进行了对比.为了检验其效果,在包含3种佩戴位置和13种用户活动种类的公开数据集上进行了实验.实验结果显示,该方法能够达到平均95.39%的交叉验证准确率;同时表明,在满足旋转占主要成分和重力加速度方向稳定的前提下,使用旋转变化信息和集成分类器有助于提高分类效果.与之前的方法相比,该方法可以更准确地对佩戴位置进行区分,并对新用户与新活动类型情况下的位置识别具备更强的泛化能力.     

基于人体姿态的P SO-SVM特征向量跌倒检测方法

在可穿戴设备检测人体跌倒情况时,单一采用加速度阈值判别方法不能完整表征人体跌倒行为变化的信息,导致对跌倒信息误判.为此,提出了一种基于人体姿态的PSO-SVM特征向量跌倒检测算法.首先通过MEMS加速度传感器节点采集人体姿态数据,并利用共轭梯度法对采集的数据进行优化处理,降低非线性误差;然后,利用支持向量机SVM(Support Vector Machine)分类器检测跌倒行为,并通过粒子群PSO(Particle Swarm Optimization)算法对SVM参数进行优化,获得最佳分类模型,根据SVM分类模型对采集的姿态数据进行分析,判断是否跌倒;最后根据人体姿态角,构建融合人体姿态角的PSO-SVM特征向量,检测跌倒过程的具体信息.实验结果表明:该检测方法取得95.5%的识别率,能够较好地区分其他非跌倒性动作,检测精度较其他方法较高,均方根误差较小,有较好的鲁棒性.     

复杂姿态下的安全帽佩戴检测方法研究

在施工人员复杂姿态下,现有安全帽佩戴检测方法存在检测难度大,精度不高的问题,提出一种基于头部识别的安全帽佩戴检测方法。通过肤色特征识别和头部检测获取头部区域,并进行交叉验证确定头部区域,使用YOLOv4目标检测网络识别安全帽,通过安全帽区域与头部区域的位置关系判断安全帽佩戴情况。最后,通过实验对比分析其他安全帽佩戴检测方法的性能,对安全帽佩戴检测方法进行总结并提出展望。     

一种面向密封条长度检测的模板匹配优化算法

针对现有的汽车密封条长度测量设备中使用模板匹配算法检测特征点位置时,密封条自身旋转导致匹配效果差的问题,提出一种基于Hough变换的自适应模板更新算法。该算法在传统模板匹配方法的基础上,通过设定阈值对模板匹配效果进行判断;对于匹配效果不好的图像进行Hough变换,结合特征点的几何特征进行识别;通过特征点的位置与尺寸信息,将其转化为新的模板用于下一次的模板匹配,实现模板的自适应更新。试验结果表明,该算法弥补了传统模板匹配法对图像旋转异常敏感的问题,提高了识别的稳定性,同时保证了检测效率满足现场的要求。     

基于三轴加速度传感器的人体跌倒检测系统设计与实现

为了满足老年人的护理需求,减少老年人因跌倒造成的身心伤害,提出了一种基于三轴加速度传感器的人体跌倒检测系统。该系统主要基于姿态测量特性,利用姿态角作为跌倒判断标准;并且考虑到噪声影响和跌倒检测系统对检测正确率的高要求,利用Kalman滤波算法来提高算法精确度。实验结果表明该系统在人体前后、侧向跌倒和跌倒后迅速站起的情况下可以100%报警,达到人体正常跌倒情况的检测标准。     

基于惯性测量单元的远程跌倒报警系统

设计了一种基于九轴惯性测量单元和无线通信网的远程跌倒报警系统.从数学模型入手,将跌倒过程划分为身体失衡、碰撞冲击、倒地静止这三个阶段,研究了加速度与角速度向量模值、瞬时姿态角等参数;采用卡尔曼滤波算法解决了陀螺仪静态测量时的零点漂移问题;利用佩戴于腰间的惯性测量传感器对运动参数进行测量,并由微处理器作出基于多阈值的最终判决;当检测到有跌倒发生时,系统立刻发出多重报警,最大程度地降低跌倒引发的伤害.实验结果显示,该系统对跌倒识别的正确率超过90％,可用于老年人的一般医疗监护场合.     

基于角点角度特征串的RSI多目标识别

轮廓角点检测与特征构造是基于轮廓角点的RSI多目标识别算法的关键。针对现有的轮廓角点检测方法在准确性与抗噪能力的不足,提出一种改进的轮廓角点检测算法,构造一种基于目标主轴与轮廓角点的特征串,利用动态规划算法计算特征串间的相似度进行目标识别。算法中把目标主轴的旋转角度作为目标的姿态角。实验证明该算法能够快速地识别出目标的旋转角度,对目标进行分类,且具有平移不变性、旋转不变性、尺度不变性以及较好的抗噪能力。     

基于支持向量机的跌倒检测方法研究

跌倒是老年人常见的意外伤害事故,为了能够及时检测跌倒事件的发生,设计了一种基于三轴加速度传感器的跌倒检测装置,该装置佩戴在使用者的腰部或者腹部,用于实时检测老年人在正常活动和跌倒状态下的加速度信号,采用支持向量机(SVM)方法对加速度信号进行数据处理,判断人体是否跌倒。通过实验测试验证,该方法对跌倒行为识别具有较高的准确性和可靠性。     

基于移动终端的智能看护系统设计

随着我国老龄化进程加快,老人看护问题日益突出,成为困扰家庭和社会的又一难题;针对这一社会问题,提出一种基于移动终端的智能看护系统;以STM32微处理器为控制核心,运用新型MEMS姿态传感器MPU6050实时采集人体运动状态信息,经过数据转换、滤波和姿态融合,结合人体加速度向量幅值SVM和姿态角特征量对传统阈值跌倒检测算法进行优化;以无线通信技术为桥梁,看护人可通过移动终端设备上的客户端软件对老人进行实时位置监控;经大量试验结果表明,该系统能够有效检测跌倒行为并报警,准确率高达98.5%,误判率仅0.71%,且客户端软件通过调用百度地图直观显示老人所在地理位置及周边环境;系统具有结构简单、操作简便、使用性强等优点,应用前景较为广泛。     

基于YOLOx目标检测算法的口罩佩戴检测系统设计

本文提出了一种基于YOLOx的口罩佩戴检测方法。该方法首先对输入模块进行改进,加入双向弱光自适应网络模块,引入弱光特征,增强了模型在复杂环境下检测的鲁棒性。其次,增加了各种遮挡下的口罩佩戴检测,提高复杂环境下目标的识别精度。最终,为了测试检测效果,在佩戴口罩数据集上进行对比实验。实验结果表明,改进后的算法在实验数据集上将口罩佩戴检测mAP提高了约1.35%、达到了94.75%,而且在复杂环境和弱光环境下的检测效果也得到了较好的提升,具有较强的泛化能力。     

基于DM642的手机QR码检测与识别

基于市场上二维条码设备的广泛需求,研究了基于DM642的QR码的检测与识别技术.本文针对嵌入式智能设备获取的QR码（Quick Response Code,QR）图像严重倾斜与高度畸变问题,提出了基于位置探测图形的轮廓嵌套特性与轮廓之间面积比例关系来实现QR码定位的算法,接着以直线逼近的方法精确定位QR码的4个角点,然后运用逆透视变换与旋转校正的原理实现QR码的复原操作,最后基于复原后的图像通过网格采样来获取整个二维码的“01”矩阵,以便于后面的QR码解码.最终将算法移植到DM642上运行,能有效解决图像倾斜与畸变问题且解码效果良好.     

基于阈值和极端随机树的实时跌倒检测方法

针对基于可穿戴设备的跌倒检测存在的实时性与准确性无法兼得的问题,提出一种阈值和极端随机树融合的实时跌倒检测方法。在该方法中,可穿戴设备只需计算阈值量,无需确保跌倒检测的准确率,从而减少了计算量;同时,上位机利用极端随机树算法确保了跌倒检测的准确率。可穿戴设备通过阈值的方法过滤了大部分日常动作,因此减少了上位机检测的动作数据量。这样一来所提方法既满足了跌倒检测的高准确率,又满足了实时性。另外,为了降低跌倒检测的假阳性率,可穿戴设备融合了姿态角度传感器和压力传感器,上位机中加入了反馈机制。当检测结果出现假阳性时,通过上位机将检测错误的样本加入非跌倒数据集中进行再训练,模型经过这样的不断学习会生成适合个人的报警模型,且这种反馈机制为降低跌倒检测的假阳性率提供了新思路。实验结果表明,在1 259个测试样本中,所提方法具有平均99.7%的准确率,最低0.08%的假阳性率。     

旋转角可变的人体检测算法

常用的人体检测算法多应用于无旋转角的情况,而在旋转角可变的情况下检测性能有限,为此提出了一种适用于有旋转角的人体检测算法。首先,通过径向梯度转换(RGT)获得具有旋转不变性的梯度;其次,使用类似于梯度方向直方图(HOG)特征中相互重叠块的组合方式,获取多个带有旋转角信息的特征描述子,按旋转角大小将它们一维线性连接成具有旋转不变性的特征描述子组;最后,利用基于支持向量机(SVM)的二级级联分类器实现了带旋转角的人体检测。基于INRIA行人数据库的144个不同旋转角的人体测试集检测率都不低于86%,144个不同旋转角的非人体样本误检率均低于10%。实验证明了该算法可用于在任意旋转角图像上进行人体检测。     

基于电信数据的室外定位技术研究

越来越多的移动计算依赖位置信息提供基于位置的服务,移动设备的室外定位技术至关重要。目前广为采用的方式是GPS,但移动设备端的GPS位置信息依赖移动设备如手机的GPS传感器获取,电信运营商虽然为用户提供通话和数据服务,却无法获得用户的精确GPS位置。针对这种情况,提出利用手机端和电信基站之间的连接信号数据(简称电信数据),实现移动设备的定位服务。考虑到电信运营商积累了海量的电信数据,因此通过研究基于电信数据的室外定位技术,使得运营商获取用户位置成为可能。提取电信特征数据、以手机所在GPS位置作为标签数据,研究了五种基于机器学习模型的室外定位算法,实现了从基站信号数据到GPS坐标点的预测,通过大量的实验对比了这些方法的定位精度和运行时间、不同数据收集模式的定位精度、不同特征的定位精度以及探索了后处理对定位精度的提升效果。最终通过实验可知,基于栅格化的随机森林分类模型是效果最好的方法,能够达到15~20m的平均误差和10m的中位误差,比前期回归算法在2G和4G数据分别实现了39.46%和54.28%的精度提升,取得与GPS定位接近的定位精度。     

基于在线双边拍卖的分层联邦学习激励机制

在分层联邦学习中,能量受限的移动设备参与模型训练会消耗自身资源.为了降低移动设备的能耗,文中在不超过分层联邦学习的最大容忍时间下,提出了移动设备能耗之和最小化问题.不同训练轮次的边缘服务器能够选择不同的移动设备,移动设备也能够为不同的边缘服务器并发训练模型,因此文中基于在线双边拍卖机制提出了ODAM-DS算法.基于最优...     

基于VR设备中IMU的无手交互方法研究

随着头戴式显示设备的发展,在基于虚拟现实(VR,virtual reality)的教育培训中,存在用户与设备间进行交互的场景;针对用户与VR视频中对象的模拟靠近与躲避问题,提出了姿态感知与步态识别相结合的方法;通过姿态感知算法解算用户头部姿态,通过步态识别算法识别出人体的静止与行走状态,进而在行走状态时,将计算所得航向角和固定步长代入三角函数公式进行位置更新,在静止状态时,保持位置不变;实验证明,提出的姿态感知算法可以有效的计算出使用者头部的姿态,与商用惯性测量单元提供的姿态角相比具有1.1×10-2的平均姿态偏差;提出的步态识别算法可以有效地识别出人体的静止与行走状态;所提出的两者结合的交互方法,可以有效地实现虚拟的靠近与躲避.     

一种枪弹痕迹自动检测优化仿真研究

为了消除因弹痕测量位置和姿态不同而造成的测量误差,提高检测和分析枪弹痕迹的准确性,提出了一种枪弹弹痕自动检测优化仿真算法。首先采用最小二乘法拟合出弹头各个截面的外表面轮廓,用MATLAB编程实现,并得到对应的圆心坐标。然后通过连接各截面的圆心坐标得到弹头的中轴线,根据中轴线的位置计算得出中轴线在进行坐标变换时需要旋转的角度和平移量,从而使其与y轴重合后再进行统一比对。实践证明,算法简单高效,能够较好的消除因位置和姿态不同而造成的测量误差,适合应用于大多数的枪弹弹痕的自动比对中。