基于姿态估计的实时跌倒检测算法

为了快速、准确地检测老年人跌倒事件的发生,给出一种基于姿态估计的实时跌倒检测算法.首先利用基于深度学习的人体姿态估计算法得到人体关节点的坐标;然后,通过计算人体质心点的下降速度、跌倒后颈部关节点的纵坐标值是否大于阈值、以及肩部和腰部关节点的相对位置关系来判断跌倒是否发生.所给出的跌倒检测算法利用单目相机进行检测,便于以嵌入式方式应用于机器人.实验结果表明,所提出算法与当前先进方法相比取得了较好的效果.     

基于关节点特征的跌倒检测算法

针对跌倒检测算法中存在网络计算量大和类跌倒行为难以区分的问题,提出一种基于关节点特征的跌倒检测算法。首先,在目前先进的CenterNet算法基础上提出了深度可分离卷积CenterNet （DSC-CenterNet）关节点检测算法,从而在减少骨干网络计算量的同时准确检测人体关节点并获取关节点坐标;然后,基于关节点位置和人体先验知识来提取可充分表达跌倒行为的空间特征和时间特征作为关节点特征;最后,把关节点特征向量输入全连接层,并经Sigmoid分类器输出跌倒或非跌倒两种类别,从而实现人体目标的跌倒检测。实验结果表明,所提算法在UR Fall Detection数据集上对不同状态变化下跌倒检测的平均准确率达到98.00%,区分类跌倒行为的准确率达到98.22%,跌倒检测速度为18.6 frame/s。与原CenterNet结合关节点特征跌倒检测的算法相比,DSC-CenterNet结合关节点特征算法的跌倒检测速度提升了22.37%,提高后的速度可有效满足视频监控下人体跌倒检测任务的实时性。该算法能有效提高跌倒检测速度并对人体跌倒状态进行准确检测,且进一步验证了基于关节点特征的跌倒检测算法在视频跌倒行为分析中的可行性与高效性。     

基于AlphaPose优化模型的老人跌倒行为检测算法

针对在低功耗、低成本硬件平台快速准确检测老人跌倒高危行为的问题,提出了一种基于AlphaPose优化模型的老人异常行为检测算法.首先,对行人目标检测模型和姿态估计模型进行优化,以加快人体目标检测和姿态关节点推理;然后,通过优化的AlphaPose模型快速计算得到人体姿态关节点图像坐标数据;最后,计算人体跌倒瞬间头部关节...     

老年人运动状态监测和跌倒报警系统

体育锻炼是促进老年人健康长寿的有效手段之一。为了对老年人的运动状态进行实时监测,掌握运动状态参数,并能够对老年人不慎意外踏空或者某种疾病突发导致的跌倒及时报警,设计一种能够实时监测老年人跌倒动作发生并发送定位及报警信息给远程接收端的便携式监测系统。系统采用腰部三轴加速度传感器实时采集人体运动姿态数据;使用嵌入式处理器和无线网络实现数据处理、无线传输和远程报警;通过三级阈值的人体跌倒检测算法,实现人体跌倒姿态变化的加速度特征提取,对人体运动状态进行分级,预测严重的跌倒行为。实验结果表明：该系统具有性能稳定、正确率高和轻巧方便等特点,非常适合老年人穿戴使用,可保障老年人运动安全,应用前景广阔。     

双目视觉下人体运动的三维模型描述方法研究

提出一种在双目视觉的条件下,利用光流金字塔跟踪算法跟踪关节点,以解决传统光流不能进行大幅度运动跟踪的问题,并利用极线约束进行三维重建获得深度信息,结合对消失关节点的位置预测求出相应的三维坐标,再利用层次化的描述方法将三维坐标转化为三维模型中各个关节点的旋转角度,实现对人体运动的模型描述。实验结果表明,该算法能有效地对人体的运动进行描述。     

基于时域分割的人体行为连续性动作预测仿真

传统人体行为动作预测方法对人体骨架上的所有关键特征映射点包含范围模糊,导致实时处理速度慢,无法有效对连续性动作进行预测,且错位率较高.为此提出一种基于时域分割的人类行为连续性动作预测.首先通过三维空间捕捉技术构建人体骨架模型,通过时域分割确定关节点的位置信息,将任意关节点都视为映射特征点,提取人体的运动数据特征,利用LLE把提取的特征数据映射进二维空间里,结合拉格朗日的乘法最优化重建权值矩阵,建立动作向量库,确定人体做出随意性动作与向量库中动作相似或者相同时,就能够对人体的动作进行提前预判,即可以完成动作预测.仿真结果证明,所提方法时域分割效果好,实时预测速度快,能够有效的对人体连续性动作精准预测.     

基于欧式距离变换的人体2D关节点标定

人体实时定位优化问题,关节点标定是构建人体模型、识别人体动作研究中要解决的一个关键问题。提出了一种欧式距离变换的人体2D关节点提取方法,从无手工干预的人体运动图像序列中自动实时定位关节点。首先采用欧式距离变换对图像序列中的人体目标对象进行细化,建立目标区域为单位像素宽的人体2D骨架模型,利用得到的关节点八邻域像素值情况进行查询,从而提取出对应的人体2D关节点的真实位置坐标。实验结果表明,与已有方法相比,改进方法简单有效,能够从多种不同运动状态的人体图像上提取出准确的人体关节点位置坐标,并具有较高的精度和准确性。     

基于改进OpenPose的学生行为识别研究

学习者的行为动作能够反映出学习者的学习状态.传统学习者行为识别方法存在实时性不高、准确率低等问题.针对以上问题,提出了一种基于改进OpenPose的学习者行为识别方法.该方法从人体骨骼关节点角度出发,首先通过高斯滤波消除图像中的高斯噪声;然后通过融入注意力机制的目标检测算法检测图像中的目标学生位置,再将检测后的图像通过改进的OpenPose模型提取人体骨骼关节点坐标;最后利用ST-SVM分类器对获取的关节点坐标进行分类,从而快速准确地识别出学习者的行为状态.实验结果表明,该方法能够快速、准确地识别出学生的行为动作,准确率达到99％以上,fps达到了20以上,相比原模型,fps提升了50％.     

基于卷积神经网络的人群突散异常行为检测

为检测人群突散异常,提出一种基于卷积神经网络的人群突散异常行为检测方法。对于人群中的个体使用改进的多尺度卷积神经网络(MCNN)预测人群中每一个个体头部的坐标位置;根据提取出来的坐标点计算人群平均动能、人群密度值以及人群分布熵这3种人群运动状态特征值,以此减少计算量;将3种运动状态特征值放入基于差分进化粒子群优化的极限学习机(DE-PSO-ELM)中进行训练预测,得到人群运动状态,实现人群突散异常行为的检测。仿真结果表明,该算法对人群突散异常行为检测有较好的效果,检测准确率达到99.75%。     

基于LSTM-CNN的跌倒行为检测

本文旨在将深度学习算法应用于跌倒检测中,建立一种端到端的跌倒行为检测模式,检测结果的精确性不再依赖人体行为建模。结合卷积神经网络(CNN)和长短期记忆网络(LSTM)的各自优势,提出LCNN网络实现对跌倒行为的检测,并通过实验论证了方法的有效性。伴随数据集的不断完善,未来将为老年人等失能患者提供及时有效的跌倒检测。     

基于维纳线性预测的Horn-Schunck光流运动矢量优化算法

针对Horn-Schunck光流运动估计的矢量中可能出现局部错误估计点的问题,提出一种基于维纳线性预测的光流运动矢量优化算法。首先,将光流运动矢量从笛卡尔坐标转换到极坐标下;其次,根据制定的判决规则,对于判决中的可疑点做进一步判定,而对于判决中的错估点采用维纳线性预测的方法进行重新估值;最后,将极坐标下的光流矢量转换到笛卡尔坐标下,到此就完成了光流运动矢量的优化。与直接求出的Horn-Schunck光流矢量相比,优化后的Horn-Schunck光流矢量中幅度和角度错估点的误差明显减小,光流矢量的准确性获得了一定程度的提高。将直接求出的Horn-Schunck光流矢量和优化后光流矢量分别应用到图像和视频序列的运动补偿中。结果表明:基于维纳线性预测的Horn-Schunck光流运动矢量优化算法取得了比较好的效果。     

深度残差收缩网络下的定位与行为联合识别

基于WiFi信道状态信息（channel state information,CSI）的人体感知方法在许多物联网场景得到了应用,但现有大部分基于CSI人体感知的系统仅进行定位或行为识别其中一项工作,而物联网的发展对两者能同时识别提出了新的要求。针对这一问题,提出一种基于深度残差收缩网络的定位与行为联合识别方法。通过普通商用WiFi设备获取两种场景（暗室、会议室和走廊）的CSI数据,将预处理后的数据输入结合了深度残差收缩网络的学习模型,进行12个位置与和6种日常行为（站起、坐下、跳跃、深蹲、跌倒、捡起）的联合任务识别。实验结果显示,针对在暗室、会议室和走廊三种场景下的室内定位的平均识别率达到97.29%,行为识别的平均识别率达到90.02%。能够实现定位与行为的高精度联合识别。     

基于IRWQS与模糊特征的位置预测算法

针对现有二维位置预测算法难以反映地势因素给预测准确度带来的影响,提出一种基于IRWQS(Incremental Repetition Weighing Queue Strategy)与模糊特征相结合的位置预测方法。首先,将从北斗卫星导航系统获取的三维位置坐标信息进行提取转换后存入数据库,再利用数据库的链式操作进行在线增量式重复加权队列扫描运算;其次,通过模糊特征匹配算法获取最优的位置坐标,并得出较为准确的下一运动位置坐标点以及运动趋势。实验结果表明,相比MMTS算法和UCMBS算法,所提算法的预测准确率分别平均提高约9%和25%。     

基于PSD传感器的炸点三维坐标测量方法研究

针对野外炸点空间三维坐标测量的问题,提出了基于二维PSD位置传感器的炸点位置测量方法,构建了基于二维PSD位置传感器的炸点三维坐标测量系统;基于双目视觉原理建立了炸点空间三维坐标测量数学模型;研究了被动探测系统在野外远距离下的标定技术;通过系统误差分解传递,分析了各参数的误差;在Matlab中分别绘制了炸点位置坐标3个维度的误差分布图,并分析了测量系统误差随炸点实际位置变化的分布情况;根据误差分布图得到了在理论100 m测试距离下X坐标最大测量误差约为0.292～0.303 m,Y坐标最大测量误差约为0.251～0.371 m,Z坐标最大测量误差0.270～0.336 m;最后通过静爆实验对测量方法正确性、被动探测系统标定技术可行性和测量系统功能性进行了验证,结果表明测量系统响应速度快且功能正常,被动探测系统标定技术具备可行性且操作方便,可适用于野外炸点位置的快速测量。     

基于关键点的类别级三维可形变目标姿态估计

为了解决类别级三维可形变目标姿态估计问题,基于目标的关键点,提出了一种面向类别的三维可形变目标姿态估计方法。该方法设计了一种基于关键点的端到端深度学习框架,框架以PointNet++为后端网络,通过特征提取、部位分割、关键点提取和基于关键点的姿态估计部分实现可形变目标的姿态估计,具有计算精度高、鲁棒性强等优势。同时,基于ANCSH方法设计了适用于K-AOPE网络的关键点标准化分层表示方法,该方法仅需提取目标少量的关键点即可表示类别物体。为了验证方法的有效性,在公共数据集shape2motion上进行测试。实验结果显示,提出的姿态估计方法(以眼镜类别为例)在旋转角上的误差分别为2.3°、3.1°、3.7°,平移误差分别为0.034、0.030、0.046,连接状态误差为2.4°、2.5°,连接参数误差为1.2°、0.9°,0.008、0.010。与ANCSH方法相比,所提方法具有较高的准确性和鲁棒性。     

DTN网络中一种基于灰色预测和状态估计的位置预测方法

典型的延迟容忍网络（DTN）中,由于中继节点间的链路延时和间歇性中断,用于预测运动节点位置的观测数据在传输中常常滞后、丢失。为了在这样的环境下对这些节点的位置进行及时、准确的预测,该文首先建立了基于方位角的节点运动状态方程,然后利用灰色预测理论对方位角进行预测,再基于该预测值利用扩展卡尔曼滤波算法对目标节点的坐标值进行递推估计。仿真分析表明,采用这样的位置预测算法,可以克服DTN网络中观测数据经常缺失的缺点,可实现对DTN网络节点的位置进行在线预测,相较于对坐标值进行直接预测,其准确性有进一步提高。     

The implementation of a smartphone-based fall detection system using a high-level fuzzy Petri net

The falling down problem has become one of the very important issues of global public health in an aging society. The specific equipment was adopted as the detection device of falling-down in the early studies, but it is inconvenient for the elderly and difficult for future application. The smart phone more commonly used than the specific fall detection equipment is selected as a mobile device for human fall detection, and a fall detection algorithm is developed for this purpose. What the user has to do is to put the smart phone in his/her thigh pocket for falling down detection. The signals detected by the tri-axial G-sensor are converted into signal vector magnitudes as the basis of detecting a human body in a stalling condition. The Z-axis data sets are captured for identification of human body inclination and the occurrence frequencies at the peak of the area of use are used as the input parameters. A high-level fuzzy Petri net is used for the analysis and the development of identifying human actions, including normal action, exercising, and falling down. The results of this study can be used in the relevant equipments or in the field of home nursing.     

多尺度信息融合的船舶外板检测三维标志点识别方法

针对船舶外板开展数字化检测技术研究对提升船舶外板智能制造水平具有重要意义。为解决船舶外板检测参考点坐标获取问题,提出了一种识别三维标志点的方法,可在船舶外板数字化检测过程中为实测点云和模型点云的匹配提供参考坐标信息。该方法针对船舶外板结构特点和形面测量需求,设计三维标志点的几何结构。此外,结合三维标志点自身多种特征和周边结构差异化特征,将标志点多种尺度信息进行融合,实现对标志点的精准识别。最后通过标志点测量数据计算对应船舶外板上定位点的三维坐标。通过试验验证了在所提出的方法在三维标志点识别方面具有准确性高、定位精准的优点,将大幅提升船舶外板数字化检测的效率。