基于sEMG的行走步态非均匀特性及其对识别的影响

人体生理特性和运动特性是影响步态识别的重要因素。利用实验采集的下肢表面肌电信号,首先对肌电信号进行小波消噪及特征提取,然后构造支持向量机分类器进行分类与识别,并针对步态周期数据的非均匀性（非等时性）特性进行了详细讨论。结果表明,即使在匀速行走条件下,人体步态周期仍然存在一定的非均匀特性,且这一特点会影响步态识别的准确性。这对于进一步研究步态稳定性和步态识别率等具有一定的参考价值。     

基于列质量向量和SVM的步态识别

步态识别是根据人行走的方式来识别其身份,以其特有的优势作为一种身份识别手段。为了提高步态的识别率,提出了一种新方法,使用人体轮廓列质量向量表征特征信息,并使用支持向量机进行识别。根据人体轮廓的高度和宽度计算出步态周期,提取每个步态轮廓列质量向量,最后采用支持向量机进行分类识别。为了验证所提出方法的有效性,在CASIA步态数据库上进行了充足的实验,验证了该方法具有较高的识别率。     

基于核二维主成分分析算法的步态识别

步态识别是一种新的生物认证技术,它是通过人的行走方式来识别人类身份的方法。为了更加快速有效地对人体步态特征进行提取和识别,采用了基于核二维主成分分析（Kernel two Dimensional Principal Component Analyses,K2DPCA）的方法进行步态特征提取,运用支持向量机（SVM）进行步态识别。根据人体步态下肢摆动距离统计出步态周期,得到步态能量图（GEI）,对生成的GEI采用核二维主成分分析方法进行步态特征向量提取,采用SVM分类器进行分类识别。实验结果表明该方法具有很好的识别效果。     

基于下肢角度特征的步态识别方法

基于人行走时的下肢角度变化包含丰富的个体识别信．幽观点,提出利用下肢角度特征进行步态识别的新方法。对每个步态序列,依据人体解剖学的先验知识定位下肢关节点,计算相邻关节点连线与竖直线的夹角,以此作为下肢角度;通过步态周期分析,提取一个步态周期的下肢角度变化序列作为特征向量表征步态。最后,采用针对小样本问题具有很好分类效果的支持向量机技术实现步态的分类决策。CASIA步态数据库上的仿真结果证明本方法具有较高的识别性能。     

基于肌电信号的行走步态周期识别方法与实验系统的设计

通过下肢表面肌电信号的人体行走步态周期识别方法设计了实验系统;针对表面肌电信号的微弱性、交变性、低频性等特点,提出了识别肌肉动作起始时刻的峰—谷线性插值分段积分算法,并将该算法与阈值法相结合,提取足跟着地前肌肉动作起始时刻,从而达到划分步态周期的目的;该方法仅需单通道信号作为信息源,不同被测者可以选用不同的肌电信号;有效回避了肌电信号传感器零点漂移现象;文中分别对5位被测者行走时的7个下肢肌电信号进行采集,以VisualC++为工具,基于用户界面设计了步态周期的识别系统,其系统识别结果验证了该方法具有广泛性、可靠性、准确性和实用性。     

基于步态特征的身份识别算法研究

步态识别根据人走路的姿势进行身份识别,由于人在行走时在空间呈现出的不同几何模式,单一几何特征难以全面描述步态特征,导致身份识别正确率不高。为提高身份识别的正确率,提出一种空间和频率特征模式相融合的身份识别算法。首先利用摄像机采集步态图像序列,然后分别采用极坐系和傅里叶变换提取步态空间特征和频率特征,并对两种特征进行融合,最后采用支持向量机对融合特征进行学习和分类,进行身份识别。结果表明,相对于单一步态特征为参数的身份识别算法,融合算法的身份识别正确率有了明显提高,且具有更好的稳定性。     

STM32和iNEMO模块的高精度计步器设计

设计了一种基于STM32F103RET6和iNEMOMEMS模块的高精度计步器。采用ST公司基于ARMCortex—M3内核的STM32单片机作为核心处理器,iNEMOMEMS模块采集行人行走时腰部的加速度信息,结合人行走时的步态特征,对加速度信息的实时处理实现高精度计步功能。实验结果表明,本计步器能够将步态信息及计步数据可靠地传输至远端PC机,具有体积小、可靠性高、计步准确等优点。     

支持向量机在步态识别算法中的应用研究

步态识别是图像处理领域的一个新兴热点.人行走姿态准确识别困难因素较多,由于步态数据是一种高维、小样本数据,传统识别方法不能检测前景与背景差异情况,导致识别正确率比较低.为了快速准确地进行步态识别,提出支持向量机的步态识别方法.方法首先根据步态图像中前景点与背景点的差值,自适应计算区分前景点与背景点的阈值,根据阈值对步态图像进行二值化,在特征提取阶段,采用水平、垂直和对角线 3 个方向提取步态信息,并通过小波变换进行特征维数约简,最后将小波变换提取维步态特征采用支持向量机学习得到步态识别结果.在中国科学院自动化所的 CASIA 步态数据库上进行了识别仿真,结果表明,方法的识别正确率有所提高,且识别的速度加快,是步态识别有效的方法,并具有广阔的应用前景.     

传感器通道中的运动模式的步态识别算法

提出一种基于运动模式的步态识别算法,应用于轨道交通自动售检票系统的由闸机构成的传感器通道中,对行走者和物体进行识别.算法是在检测人体步态的XYT模型的基础上进行改进,用红外传感器替代摄像头采集个体的通行信息,将连续状态的XYT模型改进成离散状态的步态识别算法,通过定义一些符合人体步态特征的特殊的复合模式,即步态模式来区分人与物体.实验证明,该算法用于闸机的智能识别系统是有效的.     

基于步态检测算法的辅助行走系统设计

为了保证盲人和视障患者安全方便出行和减少误报警,设计一种基于步态检测算法的辅助行走系统。信号处理算法上利用小波包对信号进行降噪,提取三轴加速度的均值、标准差、方差与小波能量谱,并结合足底压力信息组成多维参数作为步态特征,选取基于遗传算法优化支持向量机进行步态识别。硬件部分主要包括三轴加速度信号和足底压力信号采集硬件设计。软件部分主要包括对足底压力信号和三轴加速度信号的采集和处理以及一款能够自动拨号安卓手机APP。实验结果表明,该系统基于多传感器融合的步态检测技术,步态检测识别率平均达90.48%。该系统便携性好、功耗低、测障效果好,在辅助行走领域具有一定的研究意义和实用价值。     

基于LBP和HOG特征分层融合的步态识别

针对步态能量图（GEI）在提取人体信息时只描绘出了轮廓信息,而丢失了内部特征的局限性,提出一种基于人体目标图像的局部二值模式（LBP）与方向梯度直方图（HOG）分层融合的GEI识别算法。该算法步骤包括：首先用光流法提取步态周期,获得一个周期的步态能量图（GEI）;然后分三层提取GEI的LBP特征,得到三层的LBP图像;依次提取每层LBP图像的HOG特征,最后将每层提取的LBP和HOG特征融合,得到每层的新特征;最后将三个新特征依次融合成可以用于识别的最终特征。通过几种方法对CASIA和USF步态数据库的实验对比,提出的算法取得了更高的识别率。     

基于关键帧相似性的仿人机器人步态规划

为解决传统步态规划方法运算量大、运行时间长的问题,提出一种基于关键帧相似性的仿人机器人步态规划方法,通过对步态关键帧的相似性度量、髋关节的规划、零力矩点(ZMP)的实时校正,实现仿人机器人曲线行走步态的在线调整,调整后的步态能够较好地逼近实际ZMP曲线。实践结果表明,该方法在降低运算量的同时较好解决了仿人机器人的步态稳定及快速规划问题,并且可以减少步态选择不理想时的时间消耗。     

基于最小均方误差的串扰消除多用户检测算法

在存在强多址干扰的直接序列扩频码分多址(DS-CDMA)系统中对传统串行干扰消除检测器的优点及缺陷进行分析,提出一种基于最小均方误差的串行干扰消除多用户检测算法。该算法能够对时变信道环境进行有效跟踪,避免判决误差扩散。仿真结果表明,在加性高斯白噪声环境中一个同步DS-CDMA系统中对于信号功率弱的用户,该算法相比传统串行干扰消除算法及迫零算法的检测性能有较大的改善,在消除原有检测算法检测精度不稳定的同时能提高算法的误码性能。     

双足机器人预观控制的ZMP补偿步行模式研究

针对双足机器人的稳定行走,提出了一种预观控制的零力距点（ZMP）补偿步行模式在线生成方法。利用实际ZMP与目标ZMP之间的未来误差信息,基于预观控制计算机器人行走过程中质心的补偿量,事先调整质心轨迹来改变步态。最终使实际ZMP更好地跟踪目标值。12自由度的双足机器人动力学仿真验证了所提出方法的有效性,而且机器人能在一定程度不平整地面上实现稳定行走。     

一种基于MIMO的时延估计算法

在城市峡谷和室内环境中,信号在传输过程中受多径衰落和非视距的影响,导致长期演进(LTE)系统的时延参数无法精确估计。针对该问题,提出一种基于多输入多输出(MIMO)的LTE时延参数估计算法。采用具有良好自相关特性的主同步信号作为参考信号,利用MIMO发射分集和最大比合并接收技术降低信号传输过程中的误码率,通过参考信号与接收信号进行互相关处理,获得时延估计。仿真结果表明,当累积分布概率为90%时,该算法的时延参数估计误差比参考算法提高了大约5个最小采样间隔。     

基于EMD和SVM的虹膜识别方法

在目前的生物特征识别方法中,虹膜识别被认为是最可靠的技术。提出一种基于经验模态分解和支持向量机的虹膜识别方法——EMD提取虹膜特征,SVM实现模式匹配。实验结果表明,该方法能够有效地应用到身份鉴别系统中。     

基于模糊主成分分析的步态识别

提出针对步态能量图的基于模糊主成分分析的步态识别算法。通过对原始步态序列进行预处理得到步态能量图,利用模糊主成分分析提取出特征值和对应的特征向量,获得模糊主成分后将其映射到低维空间,并使用最近邻法进行分类。在CASIA数据库上对算法进行验证,实验结果证明,该算法与同类算法相比具有更好的识别性能。     

应用核独立成分分析进行弱周期性步态识别研究

提出一种基于时空能量图和核独立成分分析的步态特征表达和步态识别方法,利用步态序列图像的非线性特征和高维统计信息,并消除识别算法对时间配准和步态周期定位的依赖,时空能量图集成了步行运动信息中时间与空间变化的特点,并极大地减少了特征的数据量。针对10人值班的涉密场所进行步态识别正确率达到93.9%。实验结果表明该算法具有较好的识别性能和相当低的空间需求和计算量。     

一种基于人体脑电信号的机械手臂控制系统研究

文章提出了一种基于脑电信号的机械手臂控制系统的设计思路。该系统主要由电极、脑电采集电路、在线检测算法、外设等部分组成。系统采用闪烁刺激使操作者产生基于稳态视觉的诱发电位信号,通过采集电路将信号送入计算机中,由软件对其进一步处理和分析,转换成相应的控制命令控制机械手臂操作。检测算法中解决了脑电信号基线漂移和能量波动问题的困扰。实验显示,系统具有很高的检测实日寸性和准确率。     

基于WLAHE的尘肺胸片图像增强方法

为提高X线胸片中尘肺病灶的易识别性,提出一种基于加权局部直方图均衡化(WLAHE)的尘肺胸片图像增强方法。采用WLAHE算法、局部直方图均衡化算法,以及直方图均衡化算法对0+期尘肺X线图像进行对比度增强处理,并对采用不同参数的处理效果进行比较。结果表明,WLAHE可在不引入过大噪声及不引起细节失真的条件下,采用更小的窗口,使0+期尘肺X线胸片上的病灶小阴影更突出。