骨架关节点跟踪的人体行为识别方法

基于彩色图像的运动检测和分割方法难以获取完整的人体骨架,并且只能提取关节点的二维坐标信息,而Kinect传感器能通过捕获深度图像来重建完整的人体骨架关节点三维模型,提高了骨架关节点模型的表示精度。本文通过Kinect的骨架跟踪模块对人体的骨架关节点模型进行提取;然后,提出一种坐标转换方法得到人体骨架关节点的三维坐标表示,利用k均值聚类将关节点坐标量化为符号序列;最后,建立离散隐马尔可夫模型来进行人体行为识别。通过自建的数据集进行实验,实验结果表明:本方法能取得94%的识别率。     

基于DTW的人体行为模式识别算法

针对人体行为模式识别问题,本文提出了一种基于动态时间规整的模式识别算法。首先根据动作视频序列进行人体行为学习,生成待匹配的模板信息,对待识别的动作序列进行相似想度量,获取相似性信息,然后使用动态时间规整对待识别模板数据间的相似性进行计算,选取相似性度量最大的模板,从而完成对视频序列人体行为模式的分类识别。     

一种基于隐马尔可夫的软件可靠性监控方法

可靠性是众多软件系统的关键指标之一。针对构件式软件系统,提出了一种对其可靠性进行监控的方法。对构件式系统中的每个构件,首先采集运行时数据对其进行隐马尔可夫模型建模,计算其单独可靠性;然后再对整个系统的运行时状态进行分析,再次映射到隐马尔可夫模型进行建模,计算整个系统的可靠性。实验表明,在构件式软件系统中,隐马尔可夫模型可以有效地反映系统的状态变化过程,基于隐马尔可夫模型的可靠性监控方法是可行的、有效的。     

基于动态PSO-HSMM的海底油气管道寿命预测

由于海底油气管道退化状态的不可观测性,为防止出现管道泄漏等风险事故,提出基于PSO-HSMM的海底管道剩余寿命预测方法。此模型将海底油气管道全寿命周期数据依据其健康退化状态划分为3个阶段,将动态粒子群算法应用于优化传统隐半马尔可夫模型。利用油气管道全寿命数据建立隐半马尔可夫模型;将动态粒子群算法引入隐半马尔可夫模型进行动态优化,并利用"前向-后向"算法对优化模型进行参数估计;通过某海底油气管道的全寿命周期数据对优化模型和传统模型进行检验。结果表明,基于PSO-HSMM的油气管道剩余寿命预测模型在传统模型的基础上提高了分类预测精度,为海底油气管道风险研究提供了新的方法。     

基于主动行为表达的高效互动识别方法

提出一种将两个人的互动分解为主动行为和被动行为的新方法,以实现更有效的行为识别,并创建了一个包含6种复杂人体行为的新数据集K3HI,其中包括踢、指、拳击、推、交换物品和握手。对每一种主动行为提取出其关节、面和速度3个特征,并对这3个特征序列进行分析从而判断其行为。通过采用自己的数据集,利用连续的隐马尔可夫模型(HMMs)对主动行为识别方法和传统两人互动行为识别方法进行对比分析。结果表明,本文识别方法相比于传统方法更准确,并且可缩短样本训练时间,体现了其综合优势。     

基于深度学习模型的表面肌电信号手势动作识别算法研究

本文提出了一种基于深度学习模型的表面肌电信号手势动作识别算法,采用瑞士Ninapro公开数据库,通过2阶巴特沃斯滤波器进行带阻滤波对原始信号进行预处理,并利用标准偏差滤除无信号段,采用时间窗重叠的方式将原始数据扩充至符合深度学习模型训练的数据量。最后将预处理后的数据输入34层ResNet深度学习模型并得出识别结果。实验结果显示本文提出的算法较比同类论文取得了更高的识别精度,在52手势动作分类识别准确率达到92. 66%,验证了本算法的有效性。     

基于DTW算法的电力调度语音识别研究和应用

上海崇明电网采用一套主配网站一体化系统,来满足电力调度的日常需求。通过将语音识别功能引入调度平台,根据电力调度专用术语和沪语习惯用语,建立了常用基础语音库。针对电力调度的特殊工作环境,提出了改进的动态时间规整(DTW)算法与高斯混合-隐马尔可夫模型(GMM-HMM)相结合,可屏蔽掉工作场合的其他噪声,提高语音识别准确率。通过应用该方法对声音模型训练,试验结果表明采用改进的DTW算法更具有优良性,可以较好地识别本项目制作的语音库。     

基于三个特征点的人体跌倒检测

设计了视频监控跌倒检测系统,采用人体姿态分析,通过人体轮廓提取、星形骨架提取、人体部位识别等步骤对视频图像进行处理,首先检测出三个特征点。由特征点构成了跌倒判断的特征向量。根据三个特征点相对位置的变化和特征向量与水平地面的夹角,来区分跌倒与正常人体活动的差别。以3个志愿者的步行、坐下和蹲下三类最具代表性动作为实验样本,采用上述方法进行测试。实验结果表明系统能有效检测跌倒,总体成功率超过90%,对正常活动的误报率仅7.5%。     

几种模态参数识别方法应用及比较研究

利用一刚构-连续桥梁在环境激励下的振动测试数据,对时域模态参数识别中的ITD法、STD法、复指数法、ARMA模型时间序列法及特征系统实现算法(ERA)关于模态频率和阻尼比进行了识别,并对其识别结果进行了比较研究。对比表明,这些方法对于模态频率的识别基本吻合,但对阻尼比的识别存在较大的差异,需进一步的研究和探索。     

基于试验的土木工程结构动态参数识别

结构动态参数识别是工程、特别是重大工程质量和寿命全过程监控的核心研究内容。本文基于试验基础上,直接利用环境激励下的土木工程结构振动响应数据,用时间序列法ARMA模型进行动态参数识别。首先结合有限元分析,对一个简支梁结构进行识别,数值分析对比表明：二者在动态参数识别上具有高度的一致性。此后,利用无线传感技术对厦门大学人行天桥进行环境振动测试,分析表明：ARMA模型能够在传统动态参数试验难以进行的环境下,准确有效地识别工程结构的动态参数。此方法为结构的健康损伤识别、在线监测等提供动态参数,具有一定的工程应用价值。