基于Kinect深度信息的人体运动跟踪算法

大多数人体跟踪算法鲁棒性不高的主要原因是对人体的颜色特征进行跟踪,针对此问题设计了基于Kinect深度信息的人体运动跟踪算法。通过分析Kinect获取的深度图信息来对人体轮廓进行区分判定,提取前景目标区域以及计算目标区域的深度直方图。通过对深度直方图进行分析去除背景区域部分,根据获取的深度直方图求取跟踪图像的深度反向投影;最后结合Camshift算法确定当前选取目标区域的尺寸和中心位置来进行对人体的实时跟踪。实验结果表明,该算法提取的目标特征具有较强的鲁棒性,避免了光照变化和背景相似情况下的不稳定问题,能实现复杂场景下的人体目标跟踪。     

基于Adaboost算法的日间前方车辆检测

提出了一种基于类Haar特征和Adaboost算法的车辆检测方法,以解决汽车安全辅助驾驶系统中对前方车辆的信息感知问题。基于类Haar方法对训练集的积分图进行提取,采用Adaboost算法选取有效的类Haar特征并生成前方车辆检测分类器。利用前方车辆检测分类器对PETS(Performance evaluation of tracking and surveillance)提供的图片进行测试。试验结果表明:该方法可以快速、准确地实现日间前方车辆的检测。     

基于Adaboost算法的K-means遥感影像分类算法

本文利用AdaBoost算法对K-means算法进行提升,提出了一种基于AdaBoost算法的K-means遥感影像分类方法.其中,针对数据集分布调整的具体实施问题,设计了一种有效的加权变值方法.实验结果表明,融合提升后的分类结果较基本K-means在孤立点的消除和细长目标的识别提取上效果更加显著.     

基于新Haar-like特征的Adaboost人脸检测算法

为解决基于Haar-like特征的Adaboost人脸检测方法存在的特征计算复杂度较高的问题,提出两组Haar-like特征扩展集;利用积分图给出特征组的计算方法;采用Adaboost算法在正脸和侧脸样本库分别训练出正脸和侧脸级联分类器,并将其组成双通道分类器。在开源视觉库OpenCV上的实验结果表明,本方法具有较少的弱分类器数,检测效率高、计算速度快,对于多角度人脸检测具有较好的鲁棒性。     

基于改进的Adaboost算法的异常检测

异常检测问题是不均衡分类问题,Adaboost算法是一种有效的分类方法．分析了标准Adaboost算法,找出了标准Adaboost算法两个可以改进的地方,给出了改进的Adaboost算法,并在此基础上给出了异常检测算法．对医疗数据的异常检测结果表明了该算法的有效性．     

基于肤色分割与改进Adaboost算法的人脸检测

针对低分辨率的视频监控图像在复杂环境中不能有效地将人脸检测出来,提出结合BP神经网络的肤色训练和肤色分割,形成一个检测兴趣区域,利用改进的Adaboost算法来完成人脸检测。实验结果表明,改进的方法提高了人脸检测的准确率,降低了视频监控图像的误检率。     

一种基于Adaboost算法的车辆检测方法

由于车间安全距离不足容易导致追尾事故的发生.前方车辆的检测能为建立完整的汽车防撞预警系统提供必要的辅助信息.本文提出了一种采用Adaboost算法训练得到的级联分类器实时检测前方车辆的方法.通过选取扩展的类Haar特征,采用Adaboost算法训练得到一个识剐车辆的级联分类器.最后将训练得到的分类器应用至ll实车车辆检测系统中.试验结果表明,基于此算法的车辆检测方法具有检测率高、速度快,能够达到实时检测的要求.     

面向家庭服务的人体动作识别

为了提高家庭服务机器人的智能,提出了一种面向家庭服务的人体动作识别算法。首先,提出了利用运动历史图像自适应更新背景的方法,对家庭环境进行背景建模;然后,利用YCbCr图像与灰度图像二值化的综合消除阴影,从而实现人体分割与定位;最后,提出了基于高熵变化量的时空特征方法,并结合环境信息对人体进行动作识别。实验结果表明,提出的背景模型能较好的克服暂时停止运动的物体被背景吸收的问题,并能有效地对背景的纯净度进行评价,同时,根据提出的动作识别机制,结合家庭环境的布置知识总体识别率可以达到95%。基本可以满足机器人家庭服务的要求。     

基于深度信息的动态手势识别算法

针对目前手势识别方法计算复杂、特征量提取不可靠等问题,提出基于Kinect传感器深度信息快速动态手势识别算法。通过Kinect的深度摄像头获取深度图像,利用阈值分割法对深度图像进行预处理;结合深度信息,利用OpenCV函数库来提取前景;选用动态时间规整(dynamic time warping)算法计算测试行为模板与参考行为模板之间的相似度以实现样本的分类;最终结合OpenNI和OpenCV,在VS2010环境下实现了该算法。与其他算法相比,该算法改进动态手势特征的提取方法和分类过程,能够快速跟踪手部,有效分割手势。实验结果表明,本方法对具有时空特性的动态手势有很高的识别率,在不同光照和复杂背景下具有较好的鲁棒性。     

基于肢体子图的图卷积人体动作识别

针对目前动作识别方法不能捕获肢体之间关联性关系特征问题,设计了基于肢体子图的图卷积动作识别方法.首先,为了捕获不同肢体的时空特征,将人体骨架图划分为相邻肢体有公共节点的4个肢体子图,分别表示相应的身体部位;其次,为了捕获不同肢体之间内在的关联性特征,设计了组合肢体子图,分别对肢体子图和组合肢体子图进行空间卷积,得到肢体...     

基于加速度信息的人体步态识别算法研究

针对步态特征提取时涉及到的维数高、变换复杂等问题,提出一种新的步态特征提取方法。利用加速度传感器采集人体侧向、垂直方向和前进方向的步态加速度数据,并根据跃度将加速度数据区分为动态部分和静态部分,进而计算出动态和静态部分在3个不同方向上的标准差,将共计6个特征指标作为身份识别的依据。对这些特征所做的相似性和个体性测试结果,证明了将它们作为识别依据的可行性。最后引入K-近邻分类算法,计算出测试样本与训练样本之间的最小欧氏距离,从而达到身份识别的目的。实验结果表明,只要测试环境与训练环境一致,通过提取的6个步态特征,利用K-近邻算法可正确识别出测试对象。     

基于动作轮廓特征的人体动作识别

提出了一种人工挑选关键帧的人体动作识别方法.先从标准视频中提取出能代表姿势的关键动作,然后对待测视频中每一帧图像中人体动作和关键动作比较分类来确定动作时间的相关度和相似度.实验结果表明人工挑选关键帧具有数量少和动作代表性强的特性,基于动作轮廓特征的人体动作识别方法在识别速度上比传统的方法快,识别率也较高.     

基于多传感器信息融合的人体姿态解算算法

针对传统人体姿态解算算法中存在的稳定性差和解算精度低等问题,提出一种基于多传感器信息融合的姿态解算算法。利用四元数计算人体的姿态变化,将惯性测量模块的姿态测量值与观测值之间的偏差通过PI调节进行控制;采用互补滤波对多传感器数据进行融合,求取人体实时姿态。实验表明,该算法能够实现稳定地输出高精度姿态数据。     

基于MEMS传感器的人体运动捕捉系统

为了能够准确获取人体在动态时的空间姿态并减轻CPU的密集处理运算,通过采用高精度三轴加速度传感器、三轴陀螺仪和三轴磁强计组成数据采集单元,并运用四元数法来解算人体的运动姿态．该系统满足设计要求,且降低了系统硬件的体积．     

基于李代数的人体手臂惯性动作捕捉算法

为了实现实时人体手臂动作捕捉,提出了一种利用惯性传感器实现人体手臂动作捕捉的方法.利用惯性测量单元(IMU)解算出的四元数信息,得到手臂腕部、肘部和肩部关节点的位置.将惯性数据通过蓝牙无线通信方法传到上位机.采用具有毫米级动作捕捉精度的OptiTrack光学动作捕捉设备,得到人体手臂的位置数据,并将其作为基准位置数据.将IMU坐标系下解算出的位置信息变换到OptiTrack坐标系下进行对比.结果表明,该方法适用于自由活动环境下的动作跟踪,具有较高的动作捕捉精度.     

基于随机森林算法和摩擦起电传感器的人体运动识别研究

人体运动传感器是可穿戴设备、物联网等领域的关键传感器,低成本的聚合物多功能运动传感器有广阔的应用前景。基于摩擦起电原理,聚合物传感器可实现多种运动的感知。通过对传感器结构和电荷转移规律的分析,表明其可有效感知三维直线运动。将传感器固定在测试人员脚踝处,测得跑步和走路等不同运动状态下的输出电压。选择部分电极输出电压的极差和标准差作为特征量,采用随机森林算法对特征量进行分析,研究结果表明该方法对走路和跑步的识别准确率可达98.3%,为该型传感器在可穿戴设备上的应用奠定了基础。     

基于改进Adaboost算法的SCR脱硝系统多模型集成建模

燃煤机组选择性催化还原法(SCR)脱硝系统是复杂的多变量非线性时变系统,且运行工况多变,单一模型难以准确描述系统的多工况运行特性,因此,基于改进自适应提升算法(Adaptive Boosting,Ada-boost),提出一种多模型集成建模方法.首先对Adaboost集成算法的损失函数进行优化,引入正则化因子和先验知识...     

基于组合特征的人体动作识别算法研究

提出了一种人体重心变化特征与改进的Zernike矩特征组合的方法,应用于双层隐马尔可夫模型中进行动作识别。重心变化特征描述了运动目标在空间中的轨迹,反应了人体动作的概略特征;改进的Zernike矩特征有计算速度快、克服敏感区域等特点,刻画了肢体相对位置等细节特征,它们的组合能充分提取视频中运动目标的信息。在模型选择中,选用双层隐马尔可夫模型,该模型可以表达特征之间的内在关联。采用Weizmann视频数据库进行实验,结果证明文中提出的算法具有较好的识别效果。     

基于四元数MUSIC算法的声矢量传感器阵列二维波达角估计

利用声矢量传感器导向矢量和四元数之间的相似性,推导并建立了以四元数形式表示的导向矢量,给出了声矢量传感器阵的四元数模型,理论分析了导向矢量与噪声子空间的正交性,在此基础上提出了基于四元数MUSIC空间谱的二维波达角估计方法。仿真实验表明,四元数MUSIC算法的分辨力要优于矢量MUSIC算法,在低信噪比下具有较高的DOA估计精度,验证了四元数的正交性优势,同时本文方法不局限于L线阵和面阵,对其他阵型也具有普遍适用性。