基于Kinect的人体动作识别方法

为解决在Kinect平台下人体动作识别中时空复杂性的问题,提出一种基于特征选择的模板识别方法。根据人体不同位置关节点对动作表达的贡献度的不同,将骨骼模型60维的关节点数据转化成24维的距离特征向量,该特征模型能够在空间上对动作进行表示,具有一定不变性,计算复杂度低;结合动态时间规整的思想,解决动作识别在时间轴上不统一的问题;基于所提出的方法实现动作识别系统,定义6种基于交互的上肢动作,在此动作库中进行两个实验共1320次测试,两个实验的平均识别率为93.6%和89.8%,实验结果验证了该方法的鲁棒性和有效性,可以满足交互任务的需求。     

基于虚拟现实的人机交互视觉目标感知仿真

人机交互是人与计算机或其它外部设备之间的信息交换过程。在人机交互过程中,由于网络环境复杂以及不稳定等因素,直接影响视觉目标的感知效果。为解决上述问题,提出基于虚拟现实的人机交互视觉目标感知方法。利用虚拟现实技术建立安全的人机交互网络环境,并在此环境中截取视觉目标二维图像,采用Gabor小波变换法,提取视觉目标的特征向量;采用最小二乘支持向量机,建立人机交互视觉目标感知模型,通过粒子群算法确定模型相关参数;将提取的目标特征向量输入该模型中,完成人机交互视觉目标的感知。实验结果表明,上述研究方法的平均感知精度在95%～100%之间,高于其它两种方法的测试结果,研究方法的目标感知速度和感知效果也均更优。     

基于Kinect深度相机的实时三维人体动画

研究了一种基于H Anim标准的实时人体三维动画方法,首先对H Anim中人体肢体层次结构进行研究和分析,给出了进行人体动画的坐标变换方法;其次,基于OpenNI对Kinect获取的数据进行重新处理,采用逆运动学计算非根关节旋转矩阵;最后给出了系统流程及具体实验方法,采用OpenGL由实时获取的关节旋转矩阵驱动虚拟人实现了人体动画。实验结果表明,该算法可以较精确地提取人体三维姿态,实时重构人体运动。     

基于Kinect的肩周炎康复训练动作识别系统研究

实现对肩周炎患者进行康复训练的三维体感视频的虚拟指导。通过Kinect摄像头对人的骨骼信息和环境的深度信息进行跟踪分析,再通过欧氏距离判断人的动作,利用模板匹配定位的方法对人体关键部位进行识别,从而来判断人的姿势是否标准。通过人机交互来实现一个虚拟的肩周炎康复训练的指导。     

基于视觉的感知用户界面(VBPUI)研究

图形用户界面（ＧＵＩｓ）是当今人机交互技术（ＨＣＩ）的主要平台,它使得普通人都会使用计算机,然而,为了适应更广泛的应用,人机交互技术需要向自然、直观、自适应的交互界面发展,而感知用户界面（ＰＵＩ）交互技术正是为为实现这一自然交互模式,而成为人机交互研究的焦点,通过对新兴的ＰＵＩ领域及其重要分支－基于视觉界面（ＶＢＩ）的介绍,阐述了利用头部定位与手的跟踪来实现ＶＢＩ的方法,提出了在实学方法中,要进行     

机器视觉感知三维图像中的人体行为识别算法

研究机器视觉感知中的人体行为准确识别问题.机器视觉感知中,采集的信息多为二维平面信息,在合成三维图像感知信息过程中,传统的因式分解合成法运用形状基数量固定,很难表达复杂行为特征,造成行为特征会出现一定的偏差,人体行为识别准确性不高.为了避免上述缺陷,提出了一种新的机器视觉感知中的人体三维行为识别算法.采集人体行为图像,并检测图像的轮廓区域,对检测区间间隙初始划分,通过把三维不定特征在三维空间进行空间映射,完成模糊性的消除,为人体三维行为识别提供数据基础.根据提取的消除模糊性后的人体三维行作为特征分量,对人体三维行为进行识别.实验结果表明,利用这种算法进行人体三维行为识别,能够准确的识别人体的行为,极大地提高了人体行为识别的准确率.     

基于视觉感知的图形化人机交互界面分层模型

由于传统方法没有通过特征提取方法获取图像关键滤波纹理系数,导致人机交互界面图像存在增强效果不佳,非平缓区域、曲面区域等不同层次信息量不丰富的问题,为解决上述问题,设计了基于视觉感知的图形化人机交互界面分层模型.构建图像处理模型,采用边缘轮廓特征提取方法,获取关键滤波纹理系数与边缘轮廓信息分量等特征信息.使用层次分析方法对交互界面视觉传达效果进行优化.以交互界面各个区域视觉感知强度和边缘轮廓内视觉感知元素重要度为基础,建立基于视觉感知强度的图形化人机交互界面分层优化模型,并通过遗传算法求解该模型,实现图形化人机交互界面的分层优化.实验结果显示,上述模型的图像亮度增强效果更优,符合人眼视觉感知要求;信息熵始终处在较高数值,具有较好的图像融合效果,信息量丰富.     

加权全局上下文感知相关滤波视觉跟踪算法

基于上下文感知（Context-Aware,CA）框架的相关滤波算法是新近提出的一种视觉跟踪算法,其不足是在处理快速运动、运动模糊、遮挡、比例变化等情形时同等对待上下文信息,降低了视觉跟踪的鲁棒性。针对上述问题,提出了基于加权全局上下文感知（Weighted Global Context-Aware,WGCA）框架的相关滤波视觉跟踪算法。重构了原始的优化问题;根据上下文不同区域与追踪目标运动相似度的大小,赋予上下文区域不同的权值,计算出权值矩阵;给出了单通道和多通道情形的原始域、对偶域的闭式解。通过在基准测试集OTB-100上进行实验,结果表明该框架显著提高了相关滤波器的鲁棒性,其跟踪速度与CA框架相当,但跟踪精度和成功率较后者分别提高了7%和14%。     

Kinect传感器的网络通信数据泄露自主感知系统设计

针对传统方法获取的网络通信深度信息不完整、数据传输安全性不高等问题,设计Kinect传感器的网络通信数据泄露自主感知系统.模糊推理方法结合专家经验构建Kinect传感器数据脆性评估体系,运用基于灰色关联分析及理想优基点法计算通信数据敏感度,获得敏感数据泄露漏洞挖掘目标;基于开源数据组件集,构建集数据收集整理、数据存储、...     

基于Kinect传感器骨骼信息的人体动作识别

为研究人体骨骼结构、骨骼关节点位置信息以及人体动作所具有的骨骼角度特征,提出了一种基于深度传感器提取人体骨骼信息的动作识别方法.方法利用Kinect深度传感器,实时准确地捕获人体骨骼三维数据,并根据坐标系变换构建人体骨骼拓扑结构.然后提取人体动作所感兴趣的骨骼关节点,定义骨骼向量,并获取每段骨骼向量的方向余弦特征;最后通过多类支持向量机训练以及动作识别分类.实验结果表明,相比于传统基于轮廓特征的方法,改进方法对人体识别具有更高的识别准确率,鲁棒性强.     

基于视觉感知的图像放大

为了有效保持图像纹理细节和边界结构,提出了一种基于视觉感知的图像放大算法。构造了一类[C2]连续的双变量有理函数插值模型。根据等值线生成原理,利用等值线方法将图像自适应地划分为边缘区域和平滑区域。基于图像的区域特征,平滑区域采用多项式模型插值,边缘区域采用有理模型插值。根据人眼对比敏感特性,对边缘区域进行参数优化,从而获得高质量插值图像。与其他经典的图像放大方法相比,该方法能有效保持图像的纹理细节和边缘结构,同时获得了较好的客观评价数据。     

Kinect动作捕捉到Gazebo人体模型数据转换的研究与开发

人机协作中人与机器人之间没有物理防护栅,存在碰撞风险,研究通过Kinect采集人体运动,在仿真软件Gazebo中分析工作空间中人与机器人之间的关系来防止碰撞。由于Kinect人体模型与Gazebo人体模型存在差异,将Kinect采集的人体运动数据以四元数形式存储在CSV文件中,通过编制转换软件,从而能够正确驱动Gazebo中人体模型运动,为将来实现人机协作的仿真研究奠定基础。     

A Hybrid Color Quantization Algorithm Incorporating a Human Visual Perception Model

Color quantization is a common image processing technique where full color images are to be displayed using a limited palette of colors. The choice of a good palette is crucial as it directly determines the quality of the resulting image. Standard quantization approaches aim to minimize the mean squared error (MSE) between the original and the quantized image, which does not correspond well to how humans perceive the image differences. In this article, we introduce a color quantization algorithm that hybridizes an optimization scheme based with an image quality metric that mimics the human visual system. Rather than minimizing the MSE, its objective is to maximize the image fidelity as evaluated by S‐CIELAB, an image quality metric that has been shown to work well for various image processing tasks. In particular, we employ a variant of simulated annealing with the objective function describing the S‐CIELAB image quality of the quantized image compared with its original. Experimental results based on a set of standard images demonstrate the superiority of our approach in terms of achieved image quality.     

人体运动建模的实时逆运动学算法

人体运动的虚拟仿真及建模是当今计算机图形学研究的一个热点,而逆向运动学方法则是求解人体运动的一项关键技术.为了实现人体运动建模,提出一种新颖的基于人体关节约束的实时逆向运动学算法.首先基于骨骼长度改进了传统的循环坐标下降(CCD)算法,使其生成的运动效果更加流畅自然;然后引入生物分子运动模拟中的SHAKE算法,使短距离运动建模效果更加高效、鲁棒.在此基础上,提出了模拟多个节点同时运动的解析算法,以获得在多个关节点共同作用下的人体运动仿真效果.同运动捕捉的实测数据相比,采用文中算法所得的结果与在视觉效果上非常接近,并通过实验证实了其应用价值.     

基于协同感知的视觉选择注意计算模型

鉴于在任务相关的视觉注意中,需要建立基于任务的视觉注意显著图来引导视觉注意,为此利用与人认知过程相接近的协同感知理论来研究基于任务的视觉注意计算模型,即首先利用协同识别理论研究二义及多义模式的视觉感知,得到协同视觉感知理论;然后将协同视觉感知中的模式与从视觉注意模型中提取的底层视觉特征相对应,利用偏置矩阵的性质计算底层视觉特征间受任务影响而产生的偏置,再由此偏置和底层视觉特征生成基于任务的视觉注意显著图;最后提出了基于协同感知理论的视觉选择注意计算模型。该算法用于基于任务的视觉搜索的实验结果表明,该算法是有效的,在认知上是合理的。     

人体下肢运动光纤带感知方法研究

外骨骼机器人实质上是一种可穿戴机器人,它将人的智能与外部机械能量结合在一起,可以给人提供额外的动力或能力,增强人体机能。在军事、康复医疗等领域有着巨大的应用价值和广阔的市场前景,也是国内外竞相研究的热点。为实现下肢外骨骼机器人与人体协调运动,首先需要实时的感知人体下肢的运动,并对运动进行模式识别,进而才有可能达到对下肢外骨骼机器人的实时控制的目的。本文对用于下肢外骨骼机器人控制的人体下肢运动光纤感知方法进行研究,在对人体下肢运动步态进行分析研究的基础上,提出了利用光纤测量下肢关节角度、利用分形理论对测得的下肢角度数据进行特征提取,并采用支持向量机对步态特征向量进行分类的识别方法。实验结果表明,该方法具有较高的识别性能,能够分辨出人体行走、跑、上斜坡和下斜坡、下蹲和起立等6种运动模式,且当核半径为0.4,惩罚因子为45时,识别率可达95%。     

基于Kinect的仿人机器人控制系统

为实现对具有16个自由度仿人机器人的姿态控制,采用Kinect传感器对人体姿态的坐标数据进行采集,根据坐标信息利用Processing软件开发基于SimpleOpenNI库的上位机软件,建立人体关节模型,并利用空间向量法对仿人机器人的步态规划以及重心控制算法分析,解析各关节的转动角度,经由无线WiFi模块向仿人机器人发送指令以控制舵机的运动,最终实现对机器人的控制,搭建了基于Kinect传感器的测试平台.测试结果表明:仿人机器人上肢在运动范围内无死角,通过对重心的控制,下肢可实现简单的步行,符合预期效果.     

基于视觉词袋模型的人耳识别

人耳识别技术是生物特征识别和人工智能领域的一个重要分支.针对人耳图像特有的纹理特征,首先采用空间金字塔视觉词袋模型进行人耳特征提取,该模型将人耳图像中相对低级的局部描述子特征转化为具有高级语义含义的全局特征.最后采用支持向量机对样本向量进行训练与判别.实验表明,本文所采用的模型能取得较高的识别率,可作为人耳识别方法的一种扩展与探索.