一种可穿戴式跌倒检测装置设计

跌倒造成的人身意外事故,尤其是老年人跌倒造成的意外伤害,引起人们的极大关注.通过对跌倒行为特性的研究,设计了一种基于压力传感器的便携装置,进行跌倒检测.装置采用薄膜式压力传感器,将传感器安置于鞋垫,用于采集人体运动中的脚底压力信息,采用阈值分析与支持向量机算法相结合的方法对脚底压力值进行数据处理,判断人体是否跌倒.本装置通过实验测试验证,判断跌倒具有较高的可靠性和准确性.     

基于支持向量机的跌倒检测算法研究

实时跌倒检测能有效降低老人因跌倒导致的身心伤害,提高老人的独居能力和健康水平。为提高基于惯性传感器的跌倒检测系统的准确率,降低系统误报率和漏报率,提出了应用基于径向基函数的支持向量机算法实现跌倒判定。首先,应用佩戴在人体腰间的便携式跌倒检测系统完成数据的采集;然后,利用基于径向基函数(RBF)的SVM分类器标记疑似跌倒行为,并利用粒子群算法完成分类算法中惩罚因子C和RBF参数g的优化。结果表明,在区分跌倒与类似跌倒的日常活动时,基于SVM算法的跌倒检测系统准确率、误报率和漏报率分别为97.67%,4.0%和0.67%。与传统的阈值方法相比,跌倒检测性能有很大提高,从而加强了该系统在老人跌倒检测中的应用。     

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。     

智能轮式机器人离散模糊自适应PID控制研究

智能轮式机器人广泛应用于现代社会。智能轮式机器人运动系统的实时、有效控制是智能轮式机器人执行任务的必要保障。建立了智能轮式机器人运动系统的动力学理论模型,并推导了对应的离散式运动系统的控制模型。针对运动系统数字控制的特点,提出了一种结合模糊推理的离散模糊自适应PID控制器,基于运动系统控制输出的误差等数据,通过模糊推理在线整理PID控制器参数。以智能轮式机器人控制模型为被控对象,对于离散模糊自适应PID控制器和常规PID控制器进行了仿真实验,实验结果表明离散模糊自适应PID控制器在智能轮式机器人运动系统的控制中具有更佳的控制性能。     

深度学习框架下数控机床运动误差溯因方法

为了快速准确地识别数控机床误差因素,提出了一种基于深度学习框架的运动误差智能溯因方法。首先,建立数控机床圆运动误差轨迹基准圆模型,生成理论样本解决深度学习大数据训练问题;然后,基于深度学习目标检测框架,提出数控机床运动误差溯因模型,构建深度卷积网络层自动提取圆运动轨迹特征,改进候选区域生成机制实现轨迹判别及区域生成;最后,模型的区域识别层准确识别误差轨迹类型,通过圆运动轨迹与误差源的映射关系实现对运动误差快速准确智能溯因。实验表明,本文方法可行且适应性好,识别溯源准确,正确率超过96%。     

基于QR码视觉定位的移动机器人复合导航方法研究

为实现机器人运动路径的柔性调整,并避免激光传感器和高精度陀螺仪等带来高成本,提出一种基于QR码视觉定位复合导航方法。结合制造工位离散特点和机器人差速运动模型,利用离散QR码构建地面栅格地图;通过视觉定位QR码特征并提取机器人相对地标偏差,定位过程包括边缘提取、直线检测、矩形边框判断、QR码特征识别及偏差计算;将此偏差作为地标间微机电系统(MEMS)惯性传感器轨迹推算的初始值,消除地标间行驶的累积误差。在ARM-Cortex A9平台上对导航方法进行测试,结果表明,复合导航方法使机器人能准确全局定位并实现多路径柔性切换;在1 m/s速度和1.2 m地标间距下的侧向距离偏差均值为8 mm,方向偏差最大值在1°范围内,能够满足智能制造车间对机器人定位精度和路径柔性配置需求。     

基于离散时间模型的机械臂滚轮磨损量智能检测方法

针对因机械臂滚轮处特征量提取难度大而导致的磨损检测精度低的问题,提出一种基于离散时间模型的智能检测方法.首先利用离散时间模型分析滚轮处的动力学特征,结合小波变换算法计算磨损能量熵值、时间熵值、奇异熵值以及小波时频熵值4项特征参数.在此基础上建立置信度规则库,并划分磨损等级.然后将求得的4项特征参数作为变量输入,推导检测...     

基于运动捕捉仪的人体上肢运动轨迹参数的测量与分析

针对人体上肢运动的轨迹参数和方程模型复杂、计算量庞大的问题,提出了一种新型的测量上肢运动轨迹方法。首先对人体上肢运动模型进行了重新分析与简化,根据人体上肢运动特点设计了一组实验,其中包含单关节运动实验、多关节协同运动实验及任务实验;通过NDI运动捕捉仪系统采集了实验者的上肢基本运动数据;将实验数据中的离散点用曲线拟合并展开后,得到了各组实验中各关节的周期性轨迹方程;运用ADAMS进行了建模及运动仿真,以验证拟合轨迹方程的正确性。研究结果表明,该方法能有效测量人体上肢运动参数,其结果可供上肢康复训练机器人的运动轨迹控制与上肢运动功能评价时参考。     

移动副离散误差运动的不变量评价方法

提出了基于离散误差不变量的移动副误差运动评价方法。该方法不依赖于功能点与测量坐标系的选取,反映了误差运动的整体性质。通过6D高精度传感器获得运动刚体的6自由度误差参数。研究运动刚体上点、直线等几何特征的离散轨迹,并与理想曲线和曲面进行对比,建立了刚体上任意点的准线轨迹、任意方向的球面像曲线轨迹的误差评价模型。提取空间准线误差密度和球面方向误差密度两项为运动整体不变量,最小准线误差和最小球面像误差两项为运动特征不变量,以此作为误差运动的评价指标。开展了仪器不同安装位置的对比验证试验,结果表明,整体不变量与特征不变量评价指标是离散运动的固有性质,能更为准确客观地评价移动副的误差运动。     

基于运动历史轨迹的行为检测

针对公共重点区域的智能监视问题,提出了一种基于运动历史轨迹的行人行为检测方法。利用每一帧运动图像,获得每一帧图像的头部中心位置和人体重心位置,并连接两个中心点。随着运动的进行,从而能够得到整个运动序列的两点连线的运动轨迹。通过对该轨迹的处理,能够较好地确定行人的运动行为。结果证明,该方法实现简单,具有较好的实时性和鲁棒性,能够作为实时监控系统中异常行为检测的有效方法。     

基于降质图像-光流场复原的智能轮椅测速

提出一种运动图像去模糊复原和基于仿射运动模型的光流场去抖动方法,以提高智能轮椅中光流里程计测速方法的精度。当轮椅线速度或角速度较大时,导致机载相机成像产生显著的运动模糊;且轮椅机器人的机械抖动也易产生光流场的偏差,进而影响速度估计的精度。针对于此,首先利用一种基于自适应模糊核的运动图像去模糊方法实现图像复原,以改善视频帧质量;其次,针对智能轮椅在行进中的机械抖动,利用随机抽样一致(RANSAC)排异后的光流场,在卡尔曼滤波框架下估计同名像点的仿射运动模型参数,进而实现光流补偿。实验结果表明所提方法能够提升基于光流场的智能轮椅视觉测速精度。     

基于行人组运动信息表达的人群异常检测

人群异常检测是智能化人群监控技术下的一个重要研究方向,在现有的方法中,异常检测的首要步骤就是获取运动信息,传统通过对视频帧均匀分块的方式并不能保证行人的完整性,提取的特征也不能准确反映行人的运动状态。本文提出了递进式人群分组的方法,先将人群运动场与帧差法结合分割图像获取人群前景,然后依据人群运动方向获取方向组,结合时空信息对方向组再聚类,得到更细致的行人组。对于每个行人组,利用人群能量特征去表征行人整体运动信息,并依据能量场构造了环块能量直方图特征来削弱行人四肢摆动的影响,最后与图像外观特征相结合用于人群异常检测。实验结果表明,本文方法在两个不同场景下帧级准确率达到83%和92%,像素级准确率达到64%和83%,与传统方法相比有较大提升。     

基于改进深度卷积网络的铁路入侵行人分类算法

异物侵入铁路限界严重影响行车安全,识别铁路限界内的人员侵入对保证铁路运营安全具有重要意义。由于既有铁路图像异物侵入检测系统只能检测报警图像,无法区分是人员侵入的正确报警还是光线干扰导致的误报警,为了降低上述误报警,本文建立了铁路异物侵限报警样本的训练集和测试集,提出了将改进的深度卷积网络提取的高层Alex特征和HOG特征相结合并用于深度卷积网络模型训练的分类算法。首先引入了改进的AlexNet深度卷积神经网络模型,提取了自动学习的Alex高层特征,然后将其与HOG特征相结合形成Alex-HOG组合特征,最后利用组合特征对分类网络进行训练。铁路异物侵限报警测试样本库的实验表明,该方法对1 498张测试样本图像的识别准确率高达98.46%,时间为3.78s,实时性和准确率均有较大提高,对降低系统误报率具有重大意义。     

基于一致性点漂移的智能车视觉目标跟踪方法

针对智能车未知运动下的多目标跟踪问题,提出一种基于一致性点漂移的视觉多目标跟踪方法。 首先利用一致性点漂 移算法构建智能车未知运动模型,得到局部目标状态变换关系;其次建立一种基于外观相似性和运动一致性的自适应特征融合 函数;最后通过匈牙利算法求解轨迹与检测的对应关系,以实现面向智能车的鲁棒数据关联。 实验结果表明,与现有的 5 种主 流目标跟踪方法对比,所提方法在多个指标方面具有更好的效果,相较于结构约束(SCEA)算法,在 KITTI 数据集中较大运动场 景下,所提方法多目标跟踪准确率提高了 6. 3% ,在实拍实验数据下,所提方法多目标跟踪准确率提高了 7. 3% ,证明该算法能 在智能车未知运动下有效的进行多目标跟踪。     

基于自归一化神经网络的电弧故障检测方法

电弧故障是电气火灾的重要原因.低压线路发生串联电弧故障时,回路电流波形的时域特征与正常工作状态类似,采用传统的特征提取方法无法完整表达时域信号的全部数据特征,限制了电弧故障的特征表达能力,导致检测结果的误报率和漏报率较高.针对此问题,提出基于自归一化卷积神经网络的电弧故障检测方法.该方法将采集到的不同种类负载的电流时间...     

基于高维空间聚类的集中供热末端数据异常检测

因集中供热建筑结构、住户行为习惯等差异,末端住户供暖数据具有特征差异大、非线性强、数据量大、响应时间长等特征,在原数据空间中利用聚类分析进行异常检测造成类间数据交叉,精确性无法保证。本文提出高维高斯混合聚类算法,将数据集映射到高维空间进行聚类,利用核函数映射、内积运算与高维特征空间分解等计算方法,提高精确度,规避维数灾难。搭建工业大数据分析平台,对比K-Means、高斯混合、恒虚警率、高维高斯混合算法聚类结果与异常检测精确度,本文所提算法将准确性提高到90.72%,误报率降低到5.92%,结合该算法完成4类异常用热数据集的解释与辨识。高维高斯混合聚类可以有效分析用户用热特征、检测异常数据,辅助降低采暖能耗,实现建筑节能。     

癫痫发作瞬态带宽特征自适应检测方法

癫痫是常见的神经系统疾病之一。癫痫发作的识别通常采用脑电测量记录中的癫痫发作起始点,以辅助医生进行诊断并对患者的发作状态报警。利用脑电信号的瞬态参数提出了一种自适应带宽特征,可用于提高癫痫发作检测精度。首先,利用经验模态分解(EMD)求得脑电信号的本征模态函数(IMF),并计算特定阶次IMF的解析信号;其次,利用该解析信号求解瞬时幅值与瞬时频率,对EEG信号的带宽特征添加权重,得到可用于癫痫检测的自适应带宽特征(Adaptive Bandwidth);最后,利用该特征完成癫痫发作检测。采用长达118 h 49 min的癫痫患者临床脑电数据进行实验,实验结果表明,自适应带宽特征的敏感性、特异性、准确性参数均比原特征取得明显提高。自适应带宽特征可提高癫痫发作检测精度并降低时间延迟,便于及时采取治疗措施,为临床检测提供了重要依据。     

高速轨道超声成像伤损检测及其参数学习方法

针对高速轨道伤损检测问题,提出一种基于0°、37°、70°超声探头探伤的检测方法.该方法基于B型图像显示分析了各伤损的颜色、面积、倾斜角度、长度、质心坐标等特征,并根据其伤损特征的内在逻辑关系设计了检测算法.此外,由于超声成像过程受多种不确定因素的影响,同类伤损的图像特征常出现较大差异而影响检测准确率,为了提高算法检测...     

基于视频监控的变电站巡检巡视系统设计

针对当前系统未能对变电站红外图像进行异常检测,导致变电站巡检巡视性能下降,平均测试时间和误报率增加,提出一种基于视频监控的变电站巡检巡视系统。 分别设计系统管理子模块、状态监测子模块和智能辅助控制子模块,对通过视频监控采集到的变电站图像进行 RGB 值校正,将输入空间样本映射到特征空间中,得到对应的数据集。 采用核猫群红外图像异常检测方法对变电站进行检测,最终获取异常区域,实现变电站巡检巡视。 通过和已有系统进行实验对比可知,所设计系统能够有效降低平均测试时间和误报率,同时还能够提升巡检巡视性能。