结构化步态特征表征和快速步态识别方法

对于只有单一步态信息的特征数据库,在人数众多时,遍历识别算法识别时间长、识别率低。针对这个缺点,提出一种结构化步态特征表征和快速步态识别方法,将人的步态信息与身高、性别、年龄等一起构成结构化的步态特征,用不同传感器采集数据,不同的方法提取各个特征分量并独立加以利用。结构化的步态特征便于识别算法对步态识别问题进行分级处理,缩小识别范围。实验表明,文中方法不仅能够提高识别速度,而且能获得更高的识别率。     

A Control Strategy for Terrain Adaptive Bipedal Locomotion

Rhythmic movements of a five-link sagittal biped with muscle-likeactuators are considered. In walking, as the support phases changecontact is periodically made with the environment. The inputs toevery actuator are modeled after the inputs to muscles in mammals. Thesystem possesses intrinsic position and velocity feedback due to theactuator dynamics. A control strategy is articulated that is novelin that it; a) is physiologically viable; b) simplifies the dynamics;and c) adapts to the speed of walking, going up and down stairs,going up or down inclines, maneuvering over obstacles or holes, andthe tempo and stride length of walking. Walking simulations of afive-link sagittal biped are presented.     

双足步行机器人的步态规划

主要研究了双足步行机器人的基本步态的建立过程,进行了参数化处理,提出了一种简单可行的步态规划方法,并对数据结果进行了仿真验证。仿真及试验结果表明,该文给出的方法能实现不同步速的连续动态步行。通过标准步态数据的建立,为实时步态规划校正和在线控制补偿算法奠定了基础。     

一种步态识别方法

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证.算法利用步态轮廓图像边界到重心的距离矢量对步态轮廓图像进行描述,采用步态图像的高宽比进行步态的准周期性分析.利用隐马尔可夫模型进行步态时变数据匹配识别.算法在CMU数据库上面进行实验取得了较高的正确识别率.     

一种新颖的3足机器人的步态优化

针对实验室研究设计的一种新颖的3足机器人,提出并介绍了一种提高其步行速度的步态优化方法。此规划方法基于可行的遗传算法方案,避免了成熟前收敛的问题,得到了较可靠的优化结果,还提出了嵌套优化的策略,在消耗相同时间的前提下,提高了遗传算法的计算精度,通过随机实验结果的对比表明了本策略的有效性。     

一种用于步态分析的足印提取算法

针对复杂步态在大面积压力感应场地上的足印提取问题,提出一种分阶段的方案用于解决如下两个主要任务：(1)单个脚印从着地到离地整个时间段的定位与划分,(2)复杂脚印多阶段动作分解。所提方法包括如下两个步骤：压力图像中分属左右脚的压力点聚类;基于触地面积大小的复杂脚印分解。文中以太极拳运动为例来阐述足印提取的具体过程。实验过程中,采集了不同运动时间长度的足底压力数据序列进行分析,分割结果以上述两个任务的平均准确率来进行评估,所得结果为：单个脚印时间序列划分的准确率为99.60%,复杂脚印按动作分解的准确率为95.63%。     

A SVM controller for the stable walking of biped robots based on small sample sizes

Conventional machine learning methods such as neural network (NN) uses empirical risk minimization (ERM) based on infinite samples, which is disadvantageous to the gait learning control based on small sample sizes for biped robots walking in unstructured, uncertain and dynamic environments. Aiming at the stable walking control problem in the dynamic environments for biped robots, this paper puts forward a method of gait control based on support vector machines (SVM), which provides a solution for the learning control issue based on small sample sizes. The SVM is equipped with a mixed kernel function for the gait learning. Using ankle trajectory and hip trajectory as inputs, and the corresponding trunk trajectory as outputs, the SVM is trained based on small sample sizes to learn the dynamic kinematics relationships between the legs and the trunk of the biped robots. Robustness of the gait control is enhanced, which is propitious to realize the stable biped walking, and the proposed method shows superior performance when compared to SVM with radial basis function (RBF) kernels and polynomial kernels, respectively. Simulation results demonstrate the superiority of the proposed methods.     

Gait flow image: A silhouette-based gait representation for human identification

In this paper, we propose a novel gait representation—gait flow image (GFI) for use in gait recognition. This representation will further improve recognition rates. The basis of GFI is the binary silhouette sequence. GFI is generated by using an optical flow field without constructing any model. The performance of the proposed representation was evaluated and compared with the other representations, such as gait energy image (GEI), experimentally on the USF data set. The USF data set is a public data set in which the image sequences were captured outdoors. The experimental results show that the proposed representation is efficient for human identification. The average recognition rate of GFI is better than that of the other representations in direct matching and dimensional reduction approaches. In the direct matching approach, GFI achieved an average identification rate 42.83%, which is better than GEI by 3.75%. In the dimensional reduction approach, GFI achieved an average identification rate 43.08%, which is better than GEI by 1.5%. The experimental result showed that GFI is stronger in resisting the difference of the carrying condition compared with other gait representations.     

一种基于多区域不变矩的步态识别方法

步态识别是一种新的生物识别技术,它通过人行走的姿势来实现对人身份的鉴别。本文提出了一种基于多区域不变矩的步态识别方法,将视频序列中检测出的步态侧影分为五个子区域,提取每个子区域的不变矩特征并计算步态序列中不变矩的变化特征,从而构成描述步态序列的特征向量。最后的实验表明,提出的方法具有较好的识别性能,是一种有效的步态识别方法。     

基于神经网络的仿人跑步机器人步态规划

为了快速生成仿人机器人跑步运动轨迹,研究了一种用于仿人机器人跑步步态生成的步态规划器。采用三维弹簧倒立摆模型描述跑步过程中仿人机器人质心运动规律,奔跑时机器人质心轨迹及落脚点位置可以由四个步态参数来确定,从而将步态规划问题转化成步态参数优化问题,求解了500余种不同运动状态下的步态参数。建立了基于三层BP神经网络的步态规划器,将优化结果作为训练样本训练神经网络。用上述规划器实现了仿人机器人跑步步态规划并对规划结果进行了仿真验证。研究结果表明,基于BP神经网络的步态规划器可以实现步态参数的快速计算,生成的跑步步态逼真;提出的跑步运动步态规划方法可行,为仿人机器人实时轨迹生成提供了一种解决方法。     

SFN系统中OFDM频率同步新方法

由于SFN信道的强回波特性，SFN系统中的DVB-T OFDM接收机需要更为精确的频率同步保证信号的正确解调。本文在SFN系统中，提出一种OFDM频域全导频频偏估计算法，该算法基于符号中的全导频（包括连续导频和散布导频）估计整偏和细小偏；同时给出了频域小环校正整偏的结构，理论分析和仿真结果说明，该算法较传统的连续导频频偏估计算法提高了估计精度，更适合强回波的SFN信道,提出的整偏小环校正结构加快了频率同步的收敛速度。     

步态识别的深度学习:综述

由于步态容易受到物体遮挡、衣着、视角和携带物等协变量因素的影响,步态识别方法较难获得较优的识别性能.基于端到端和多层特征提取的思想,深度学习近年在步态识别领域取得一系列进展.本文综述深度学习在步态识别中的研究现状、优势和不足,总结其中的关键技术和潜在的研究方向.     

一种新的基于区域特征的快速步态识别方法

步态是生物特征识别领域的一个新兴热点，它有以下3大优势：远距离识别、非侵犯性和难于隐藏。由于当前提出的大量步态特征提取算法要么过于复杂，要么识别率不高，难以满足自动步态识别的需要，因此，为了进行准确快速的步态识别，提出了一种新的基于区域特征的快速步态识别方法。该方法首先将检测出的2维人体侧影分为头部、躯干和腿部3个区域；然后分别提取每个区域的目标面积；最后将这些面积特征和人体的宽高比特征一起构成步态特征矢量用于训练和识别。此外，还改进了一种新的N—best分类器，该分类器在一定程度上提高了算法的识别率。实验结果表明，该新方法不仅简单快速，而且在UCSD和CMU数据集上分别得到了90％和98％左右的高识别率。     

多视角步态识别综述

步态识别作为生物特征识别中的一种,具有远距离、非接触和难以模仿等优点.其中视角或行走方向的变化使提取的人体轮廓产生巨大差异,是影响步态识别系统性能的最主要因素之一.本文首先介绍了现有的多角度步态数据库,然后根据特征提取方式的不同,将当前已提出的方法分为三维模型法、视角不变性特征法、映射投影法和深度神经网络法四类,并详细阐述了每一类的原理、特点以及优缺点.最后,结合实际应用指出当前研究的局限性与发展趋势.     

Gait planning and intelligent control for a quadruped robot

We present a method for designing free gaits for a structurally symmetrical quadruped robot capable of performing statically stable, omnidirectional walking on irregular terrain. The robot＇s virtual model is constructed and a control algorithm is proposed by applying virtual components at some strategic locations. The deliberative-based controller can generate flexible sequences of leg transferences while maintaining walking speed, and choose optimum foothold for moving leg based on integration data of exteroceptive terrain profile. Simulation results are presented to show the gait＇s efficiency and system＇s stability in adapting to an uncertain terrain.     

一种新的汽车牌照快速定位方法

选取具有很强稳定性和可识别性的车牌纹理特征，提出了一种快速的汽车牌照定位方法。该方法首先利用车牌的粗纹理特征，通过高通能量滤波进行初步定位；再基于细纹理特征，通过提取候选区域小波纹理信息结合数学形态学和投影法进行准确定位；最后跟据车牌的颜色和纹理均匀性对定位结果进行修正。实验结果表明该方法分割定位迅速，定位准确率高。     

基于周期序列宽度图的步态识别方法

为了快速地提取步态,提出了一种基于周期序列宽度图的步态识别方法。该方法先按周期将侧影轮廓序列转换为宽度向量序列,然后再将宽度向量序列转换为用灰度值表示的周期序列宽度图。周期序列宽度图中的灰度值及其变化能清晰地反映步态运动,是一种以图的形式直观准确表征步态时空变化的方法。这种周期序列宽度图不仅保留了单帧图像中侧影的外观结构信息,而且很好地体现了步态随时间的变化。另外,还运用DCT对提取的步态特征进行降维,并采用RBF神经网络进行步态分类。在常用步态数据库上的测试结果表明,该方法简单而有效。     

一种新颖的快速水平集初始化方法

水平集方法是偏微分图像分析的一个重要的数值方法,其最大的问题是计算量大,速度缓慢,特别是需要频繁的初始化。针对这个问题进行深入研究,提出了基于数学形态学的水平集初始化方法。形态学方法分为平滑和重建两个步骤,利用基本的开、闭和膨胀运算来分别平滑数值不精确的距离函数和重建窄带。新的方法不仅具有很高的效率,而且可以适应各种拓扑变化,完全可以替代常规方法,运用于数字图像的实时处理中。     

一种自然纹理图像生成的新方法

提出了一种新的自然纹理图像生成方法 ,对传统的纹理图像统计模型和结构模型进行了改进 ,能够用来模拟和生成多种自然景物的纹理图像 .实验结果证明 ,该方法能有效地产生具有真实感的自然纹理图像     

Locomotion control of a four-legged robot embedding real-time reasoning in the force distribution

This paper discusses the application of rule-based reasoning to manage in real time the force distribution computation within a locomotion control of quadruped robots. The control uses input–output linearization in the attitude subsystem, and optimal linear control in the overall locomotion system. The force distribution approach provides more adaptability and flexibility to the locomotion control, because the system is capable of fast adaptation to a wide variety of situations. Rules defining the knowledge about how to deal with walk events and feet forces calculation are presented. The rule-based reasoning is made using the system (LAAS).