基于运动模式在线分类的移动机器人目标跟踪

区别于以往采用固定运动模式的目标跟踪研究,提出一种基于单目视觉传感器的人体运动模式在线识别算法,及基于此算法的人体目标跟踪方法。首先,利用视觉信息检测运动目标,并提取其视觉特征;然后通过单目视觉深度提取算法,获取目标的运动特征;接着将连续几帧的特征变化矢量送入随机森林(RF)进行学习,实现对人体运动模式的在线分类;最后根据分类结果在线选取不同的目标运动模型,并利用近似最优的粒子滤波器实现对目标运动状态的准确估计。实验结果证明了本文提出算法的有效性。     

基于卷积神经网络的分心驾驶行为识别

针对分心驾驶行为识别,提出基于ResNet18的多标签分心驾驶行为识别方法和基于迁移学习的多分类分心驾驶行为识别方法.首先基于ResNet18模型连接多个全连接层,对多种行为进行多标签识别;然后利用迁移学习,提出基于改进的ResNet34模型进行多分类识别.实验结果表明:文章提出的改进算法对分心驾驶行为识别的准确率最高...     

一种新的复值独立分量分析的特征融合识别方法

摘要：介绍了复值独立分量分析(Complex ICA)的基本原理和算法,并提出了基于复值独立分量分析的目标识别方法。该方法首先利用快速独立分量分析算法(FICA)对目标训练集图像进行ICA分解,然后分别提取基于独立分量的训练集和测试集目标特征,采用线性判据对训练集目标特征进行分类训练,找到合理的分类阈值,最后对测试集图像进行分类识别。本文的创新点在于把复数值独立分量分析的方法应用于多传感器融合的目标识别。实验结果表明,本文提出的方法是可行的,并能获得较高的目标识别准确率。     

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。     

基于多特征混合与支持向量机的动态过程异常监控

为提高动态过程异常模式的监控效率,提出基于多特征混合与多分类支持向量机的动态过程质量异常模式识别模型。采用离散小波变换提取原始数据的低频近似系数和重构数据特征;抽取重构数据的形状特征并与低频近似系数进行混合,形成质量模式的混合特征;采用粒子群优化的多分类支持向量机进行异常模式识别。仿真实验表明,所提出的识别模型比采用单一类型特征或融合特征的整体识别精度均有显著提高,且大大降低了模型训练时间。     

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。     

结合限制密集轨迹与时空共生特征的行为识别

针对传统密集轨迹方法应用到真实场景后过多无效轨迹耗费存储与计算资源且严重影响有效特征提取的不足,提出一种新的人体行为识别算法。首先,检测视频帧中存在的人体目标并对获得的包含人体的矩形框进行扩展,利用扩展后的矩形框对传统密集采样特征点的范围进行筛选限制;然后,对筛选限制后的特征点在光流场中跟踪一定帧数获取限制密集轨迹,并在以限制密集轨迹为中心的时空体内构建一组包含轨迹的空间位置、时空上下文信息的特征描述子;最后在视觉词袋模型框架下,采用SVM对特征向量进行编码分类。结果显示:在KTH、YouTube和HMDB51 3个行为数据库上的识别准确率分别达到98.1%、89.7%和66.9%。证明本算法对复杂真实场景中的人体行为具有较高的识别能力。     

基于二次特征提取与SVM的异常步态识别

长期以异常步态行走将导致人体足部、踝关节、大腿疼痛乃至身体骨骼疾病.针对目前普遍采用的基于计算机视觉的步态识别技术对数据采集环境要求严苛、视频图像分析受环境影响较大等问题,基于人行走时的足底压力变化特征进行步态识别,足底压力数据经由穿戴式步态采集器,可以不受环境限制且能实现较远距离的步态识别.并提出一种基于二次特征提取与支持先向量机的异常步态识别方法.该方法采用主成分分析法对从足底压力变化曲线中提取出来的步态特征进行二次提取.获取包含样本数据信息的主要特征信息,通过多分类支持向量机模型对步态进行识别.实验结果表明:该方法对异常步态的平均识别率达到92.625 5%,具有较高的识别精度.     

基于改进层次极差熵和WOA-ELM的滚动轴承故障识别

由于传统的多尺度熵特征提取方法无法提取信号的高频故障特征,造成特征的提取不够完整,故障识别准确率也较低。为此,提出了一种基于改进层次极差熵(IHRE)和鲸鱼算法(WOA)优化极限学习机(ELM)的滚动轴承故障诊断策略。首先,基于改进的层次分析和极差熵,提出了可以同时分析滚动轴承振动信号低频和高频成分的IHRE时间序列复杂性测量方法,并将其用于提取滚动轴承振动信号的深层次故障特征;然后,采用鲸鱼算法对极限学习机的核心参数进行了优化,构建了网络结构最优的鲸鱼算法—极限学习机(WOA-ELM)分类器;最后,将所构建的IHRE故障特征输入至WOA-ELM分类器,进行了故障分类,对滚动轴承进行了故障识别;基于滚动轴承的实验数据进行了算法的有效性分析,并从多个维度进行了对比,进行了算法优越性分析。研究结果表明：IHRE方法的故障识别准确率最高,达到了100%,而多次实验的平均识别准确率也达到了99.82%,优于改进层次样本熵、层次极差熵和多尺度极差熵方法;在分类时间和分类准确率方面,WOA-ELM分类模型要优于PSO-ELM和GA-ELM分类器。该结果证明,基于IHRE和WOA-ELM的故障诊断策...     

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。     

基于多尺度颜色替换的角膜老年环分割

角膜老年环是一种在角膜边缘形成的白色环状改变,主要由于人体脂类代谢异常而产生。通过图像分析的方法对角膜老年环进行检测可以方便、及时帮助人们发现身体脂类代谢异常状况。自然睁开状态下获取的彩色图像,角膜老年环经常被眼睑随机遮挡,而且被光斑、血管等因素的干扰。为了提高算法鲁棒性,减少由于眼睑的随机遮挡造成的定位失误,提出了一种基于多尺度颜色替换的角膜老年环分割方法。首先对图像进行量化;其次,在不同尺度模板下对图像按照本文定义的颜色替换策略进行处理,并最终实现目标分割。实验结果表明,在采集的1 968幅图像中该方法能够达到97.0%的分割正确率,所用算法具有较高的鲁棒性。     

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     

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...     

穿戴式钢琴弹奏手套智能感知与手势识别技术

钢琴弹奏手套是一种新兴的智能可穿戴式设备,通过手套中的多惯性传感器对钢琴弹奏者的手势状态进行实时感知和分析,可以让钢琴学习者实时了解弹奏手势是否规范,从而有效提高钢琴学习效率和兴趣,并降低学习成本。区别于其他应用领域中的手势,钢琴弹奏手势具有多样性、快速性、大动态以及强时变的特点,设计了一套基于惯性数据手套与红外检测杆的钢琴弹奏手势识别系统,并提出一种基于机器学习的钢琴弹奏手势识别方法,以惯性数据手套与红外检测杆的输出作为数据样本,针对钢琴弹奏手势特性,进行多模态手势特征的提取并采用分层识别算法改善识别效果。实验表明,所提出的方法能够较好的适应钢琴弹奏手势识别需求,识别准确率达到99%以上。     

基于人体定位和动态肤色阈值的肤色检测算法

随着Internet的普及,对基于内容的敏感图片过滤技术的研究已经成为新的研究热点.在敏感图片过滤中关键部分之一是肤色检测.本文针对目前普遍采用的肤色检测算法中存在的问题,提出了基于人脸和人体的位置信息动态确定检测肤色的算法.首先运用AdaBoost算法进行人脸检测;其次在人脸信息的基础上建立了人体模型,实现了人体的初步定位;最后针对传统肤色算法的不足提出了绝对位置信息、相对位置信息算法,使每个像素都可根据人脸和人体信息动态调整肤色算法的阈值.实验证明该方法是可行的、有效的,尤其对人脸比例较大、类肤色背景较多的图像有较好的效果.     

遥测数据驱动的无人机飞行状态识别方法

无人机飞行状态的识别是无人机飞行状态分析必要的基础,可为无人机任务调度、智能维护维修和设计优化提供参考信息。无人机的遥测数据是对其飞行状态识别的重要依据,针对无人机遥测数据量大、各飞行状态持续时间不同、数据混有噪声、无法直接提供飞行意图信息等问题,提出一种基于切比雪夫特征提取和随机森林分类(Chebyshev-random forest,C-RF)算法的无人机状态识别方法。采用Chebyshev拟合法对遥测数据进行特征提取和降维,利用随机森林算法实现飞行状态的自适应分类。所提出方法将Chebyshev拟合系数计算简单、接近最佳拟合的优点与随机森林算法的训练速度快、分类准确率高和抗噪能力强等优点相结合,可覆盖无人机的各类样本且避免过拟合问题,实现了无人机飞行状态的有效识别。采用真实无人机遥测数据进行验证,总体识别准确率高于90%,少类样本亦可被准确识别,证明了所提出方法的有效性和实用性。     

基于语音频谱图像特征的人体疲劳检测方法

为了将语谱图的可视化图像分析手段有效应用于人体疲劳检测,提出一种基于语音频谱图像特征的人体疲劳检测方法.首先,在研究分析人体疲劳对语谱图影响机理的基础上,对语谱图进行基于听觉感知理论的Mel频率拉伸变换,以突出易受疲劳影响的感兴趣区域.其次,将Mel频率拉伸后的语谱图分割为24个相互交叠的临界频带子图,并从各子图在4个...