基于惯性传感器的手机手势识别

手势输入丰富了手机的实用性、便捷性与娱乐性,快速而精确地识别出手机当前的姿态是该种输入方式的核心内容。提出并比较了基于惯性传感器的手机姿态识别方法,并通过对一种手势动作的识别验证了其可行性。     

惯性传感器的可穿戴设备行为识别

随着电子技术的发展,电路的集成化程度越来越高,通过集成化电路可将数量庞大的晶体管封装于体积十分小的电路板上,这就使得功能强大的电子设备可以做到很小的体积.随着人工智能理念的发展,可穿戴设备已经成为继智能手持终端之后的热门智能领域.通过惯性传感器在可穿戴设备上的应用,可以达到人体行为识别的目的,不仅使人机交互更加便捷快速...     

基于智能手机传感器的人体行为识别技术研究与实践

本文首先介绍了一种基于智能手机传感器获取加速度等数据的App设计方法,设定了15种需要识别的动作、手机位置组合类别,收集了75万条运动数据记录;其次,采用滑动窗口技术分割时序数据,构建了有针对性的时域、频域特征指标,形成了不同窗口大小、步长的新样本系列;最后,通过分类结果筛选出性能优良的4类算法,证实了深度学习在特征构...     

基于惯性传感器的步态身份识别

基于步态的身份识别作为一种新的生物特征识别技术,以其非接触、无打扰、远距离、不易伪装等优点成为了生物特征识别技术领域的研究热点。此外,近年来,由于MEMS惯性传感器技术发展成熟及其在便携式设备中的广泛应用,基于惯性传感器的步态身份识别越来越受到科研人员的关注。文中收集整理了国内外有关惯性传感器步态身份识别的研究方法和现状,并对该领域的相关技术进行了回顾;根据识别过程处理的先后顺序,依次回顾了数据采集、数据预处理、数据分割、特征选择与组合、智能识别各个阶段的相关技术以及研究现状,并给出了目前主要的公共步态数据库,以方便感兴趣的读者进行实验分析。最后,在此基础上讨论了基于惯性传感器的步态身份识别的技术难点,并对未来发展方向进行了展望。     

传感器人体运动行为特征识别研究进展

人体运动行为特征识别在医疗健康、人机接口、体育竞技等诸多领域都有广泛应用。介绍了常见的用于运动数据采集的传感器和相应方法,简述了运动数据预处理的一般手段;介绍了运动数据特征提取的过程,重点描述了常见运动行为特征识别方法的研究现状,并简述其应用现状。最后,指出了目前运动行为特征识别中所面临的问题,并给出了未来的发展方向。     

基于惯性传感器的人体动作检测系统设计

为实现人体动作识别技术,本文提出将捷联惯性导航技术运用于人体动作检测的思路,结合实际应用分析,给出了人体动作检测识别系统的总体方案,并就方案中涉及的捷联算法,姿态校准方法和动作识别方法做了具体的介绍,实验结果表明系统可以对人体的动作进行准确检测,基本满足目标要求。可以应用于一些特定场合的虚拟训练,具有一定的实际价值。     

基于深度学习的车辆驾驶行为识别系统设计

传统系统的计算能力较弱,在车辆驾驶行为识别实际应用中经常出现错误识别,准确率较低,为此提出基于深度学习的车辆驾驶行为识别系统。系统硬件方面设计了主控制器、惯性传感器和报警器3个硬件设备,软件方面设计了数据清洗和基于深度学习识别驾驶行为两个功能模块,利用数据清洗模块对原始数据进行无效值处理、标准化处理,将处理后的数据利用深度学习网络模型进行分析,输出识别结果。实验结果表明,该系统的准确率高于传统系统,能够准确识别出车辆驾驶行为。     

基于三轴加速度传感器的人体行为识别研究

目前,在人体行为识别领域中,分类模型通常有两种,分别是通用模型和个性化模型。但是通用模型没有考虑人体多样性问题,不能适用于所有人,而个性化模型需要人为干预较多,针对这两种模型的不足提出了一种折中的模型训练方法,即对人体多样性因素分区间后的原始加速度数据进行训练得到多个模型。另外,为了使识别模型适用于更加广泛的情况,在数据采集阶段还考虑了加速度传感器的位置。该方法使得模型更具普遍性的同时又能够提高识别精确度,通过对人体静止、走路、跑步、上下楼梯五种行为进行试验,识别率达到了95%左右。实验表明该方法是切实有效的。     

基于屋顶二值红外传感器网络的人体定位和行为识别系统设计

为了解决个人隐私的保护、受光照条件和障碍物等因素的影响,设计了一种基于屋顶二值红外传感器网络的人体行为识别系统;系统采用STM32芯片和ZigBee协调器建立ZigBee网络;当实验者在安装在屋顶的20个互连的AMN31111红外传感器下面做出一系列行为时,传感器对其进行二值数据采集,ZigBee协调器将数据通过串口发送到PC机上实时动态显示,通过Keil 5系统软件对采集的二值数据以txt文本格式存储;提出了像素值法对人体进行定位和BP神经网络算法在模拟的居家环境中对7种不同人物行为进行识别;实验结果表明:该系统实现了人体多种行为的识别,其识别率为84.7%,4名实验者得到平均识别精度相比固定在居家电器传感器设备要高4.7%左右,并且该系统采集精度高、性能稳定、可靠性高、成本低、功耗低,解决了一些目前人体行为识别监测系统存在的问题。     

基于Boosting RBF神经网络的人体行为识别

提出一种基于Boosting RBF神经网络的人体行为识别方法,该方法利用规范化的运动历史图像（MHI）进行图像序列表示,从中提取Zernike矩的统计描述特征,然后提出Adaboost算法自适应地选择图像序列的特征作为RBF神经网络的输入,为了进一步提高神经网络的泛化能力,采用一种调整权值分布,限制权重扩张的改进的Boosting方法,分类器以加权投票方式进行分类决策。实验结果表明,提出的方法能够有效地识别人体运动类别。     

基于三轴加速度传感器的人体运动识别

提出并实现一种基于移动设备的用户运动行为的检测算法.在用户随身携带移动设备的情况下,算法就可以根据移动设备中的三轴加速度数据,判别出来用户的行为状态.算法综合分析了加速度传感器数据的时域和频域特性,并通过方向无关性和步幅处理,进一步提高算法的适应性.算法对所抽取21个运动特征值进行了主成分分析,找出了11个主要特征成分,然后使用这些主成分对运行数据进行识别分类.提高了算法准确度,并降低了算法的时间和空间复杂度.在对分类算法综合分析和比较后,J48判决树算法被采纳.算法还根据人类运动的习惯和特性,对特性分类并计算分类的结果,再采用隐式Markov模型进行处理,进一步提高识别的准确度.对多人、多状态数据的实验表明,这种综合方法具有较高的识别准确度和适应性,在对多人多次实际运动数据的处理中,正确识别率可以达到96.13%.     

基于惯性传感器和LSTM神经网络的人体运动识别方法

面向人体惯性运动捕捉系统,提出一种基于长短期记忆网络(LSTM)的人体运动模式识别方法。设计1个包含2层LSTM层的深度学习神经网络对人体三维加速度信息进行自动特征提取并对多类运动模式进行时序建模,从而实现对运动模式的快速实时识别。实验基于WISDM公开数据集,对人体右腿前口袋部位的三维加速度信息进行分析。验证模型识别人体慢跑、步行、坐、站、上楼、下楼运动过程的准确率为97.5％,并通过对比实验验证了该方法的有效性, 为基于移动设备及可穿戴设备的人体运动识别研究提供了一个可行的方法。     

基于惯性传感器融合控制算法的聋哑手语识别

聋哑人如何与外界进行有效沟通一直是一个备受关注的难点问题。文中提出了一种基于惯性传感器融合控制算法的手语识别方案,旨在实现高效准确的实时手语识别。该融合控制算法采用反馈控制思想,对两种传统的姿态信息计算方法进行融合,减少了环境对传感器的影响,可以准确获取被测对象在瞬时状态下的姿态信息。该算法通过对自采的聋哑手语数据进行数据融合、数据预处理和特征提取等处理,利用支持向量机、K-近邻法和前馈神经网络分类器自适应模型集成的分类方法进行分类。结果显示,所提传感器融合控制算法有效地得出了实时姿态,该手语识别方案对30种聋哑拼音手语的识别准确率达到96.5%。所提方案将为聋哑人手语识别打下坚实的基础,并为传感器融合控制的相关研究提供参考。     

六维腕力传感器惯性参数的在线识别

腕力传感器的动态特性对机器人系统的动态特性、精确运动和控制有不可忽视的影响。将六维腕力传感器置于机器人系统中 ,基于腕力传感器坐标系内的微分运动 ,结合机器人运动学和动力学知识 ,研究了在线识别六维腕力传感器惯性参数的方法     

基于Kinect传感器的人体行为分析算法

人体行为分析一直是计算机视觉领域中具有挑战性的研究方向,近年来深度传感器的引入为解决人体行为分析问题提供了新的研究方法.采用微软Kinect传感器获取深度图像,首先对深度图进行局部梯度特征提取,再结合条件随机场(CRF)模型,提出一种新的人体行为分析方法.实现了对简单人体行为的有效识别,通过在2个流行人体行为数据库上实验,证明了该方法具有较好的识别结果和该方法的优越性能.     

基于主元分析法的行为识别

通过研究,建立了一个基于主元分析的识别办体行为的系统,其方法是通过在Ｈ、Ｓ、Ｉ颜色空间对皮肤颜色建立高期模型,结合运动限制和区域连续性,系统地分割并跟踪人脸和双手,然后,在ＰＣＡ框架下,表示脸和手的运动参数曲线,并和范例进行匹配,这种通过对行为在时空域变化的建模方法,能在行为主体和成象条件有变化的情况下识别行为,以太极拳式谡列,来验证方法和系统的效果,实验结果证明了此方法误识率低,有一定的鲁棒性,     

一种基于关节点信息的人体行为识别新方法

为了提高机器人服务的主动性与智能性,使用Kinect体感设备获取人体的关节点数据解决人体行为识别问题.首先,利用Kinect采集人体关节点坐标,构造用于表示人体结构的3维空间向量,然后计算结构向量之间的角度和向量模的比值,进行人体姿态描述,同时以一段时间内连续的姿态序列作为行为表示特征量,最后选用动态时间规整(DTW)算法计算测试行为模板与参考行为模板之间的相似度以实现行为识别.实验结果表明,选用的行为表示特征量具有旋转与平移不变性.另外,对人在日常生活中的6种行为进行了识别实验,结果表明本文的行为识别算法可以取得较好的识别效果.     

六维腕力传感器惯性参数的在线识别

腕力传感器的动态特性对机器人系统的动态特性、精确运动和控制有不可忽视的影响.将六维腕力传感器置于机器人系统中,基于腕力传感器坐标系内的微分运动,结合机器人运动学和动力学知识,研究了在线识别六维腕力传感器惯性参数的方法.     

基于惯性传感器的智能安全帽人体跌倒检测系统设计

为了及时发现施工人员因意外摔伤,或由高温、心脏疾病引发的昏迷跌倒,设计了一种基于惯性传感器的智能安全帽人体跌倒检测系统,该设计采用北斗定位、跌倒检测、阿里云服务器等物联网技术,并结合MPU6050惯性传感器进行跌倒检测。当施工人员跌倒时,定位模块会定位施工人员所在位置,并上传到阿里云服务器,使得管理人员能够得到施工人员的位置信息,同时蜂鸣器报警,实现线上与线下双报警。结果表明,智能安全帽人体跌倒检测系统可以在更短时间内让施工人员得到医疗救助,减少意外情况对于施工人员的伤害。