仿真假体视觉下基于深度图像的手势识别研究

针对仿真假体视觉下彩色图像和深度图像对于手势识别的不同效果,研究使用Kinect获取彩色图像以及深度图像进行手势识别。通过Kinect提取的骨骼信息与提取的深度图像结合,将人体与背景图像分离,对OpenCV库分离后的图像进行降噪,并进行像素化处理。在不同分辨率(32×32,48×48,64×64)下进行彩色图像和深度图像的手势识别实验。实验结果表明,随着分辨率的增加,手势识别的准确率也不断增加。同一分辨率下,深度图像下的手势识别率总体高于彩色图像下的手势识别率,且在32×32分辨率下,二者差异显著。     

基于低分辨率红外阵列传感器的头部运动检测

在驾驶和在线课堂这类持续时间较长的行为中,人们容易出现分心而导致事故发生或上课效率差。为检测这类分心行为,提出了一种基于低分辨率红外阵列传感器的头部运动检测方法,它在实现行为监测的同时也保护了个人隐私。首先,基于图像处理方法提取了人体的显著区域;然后设计了一种三维图像融合算法来提取时空域的变化信息;最后,设计了一个改进的残差网络来实现头部运动分类。面向驾驶和在线课堂应用场景设计了10种头部运动。实验结果表明,在50 cm到100 cm的检测范围内,平均识别率为96.76%,处理速度为9帧/s,优于现有算法。将该系统应用于车内实测,也达到了93.7%的准确率。     

肌电模糊熵特征的加权核FDA跌倒识别

针对跌倒常常对老年人的健康构成严重危害的问题.本文设计了一种基于肌电信号的跌倒检测方法,首先提取腓肠肌和股外侧肌的sEMG的模糊熵特征作为特征向量,然后,针对日常活动动作类(Activities of Daily Life,ADL)的数目远多于跌倒类导致的数据集不平衡的问题,提出了加权核Fisher线性判别方法,采用相应的平衡参数来调节样本核矩阵,最终,将跌倒与行走、蹲下和坐下辨识出来.实验结果表明,该方法跌倒平均识别率96.7%,ADL平均识别率99.4%,识别结果优于其它分类方法.     

基于立体视觉的人体头部目标识别研究

使用立体视觉系统可确定任意物体的三维轮廓及其表面任意点的位置信息和深度信息。本文将立体视觉运用于人体头部目标检测,设计了一种基于图像深度信息处理的人体头部识别系统。系统采用Xtion摄像机采集场景的深度图像,并对其进行特征分析,根据深度图像的特点以及头部的特征确定头部目标区域。再对目标区域采用Mean Shift算法进行聚类处理,得到清晰的图像边缘。最后通过基于动态阈值的一维熵函数分割法实现头部的分割识别。该系统可快速锁定目标区域,减少了算法的计算量,大大提高了系统的识别速度。此外,采集深度图像的xtion摄像机悬挂在目标场景的正上方,因而较好的解决了目前人体目标检测受遮挡的问题。经实验论证,该系统有较高的识别精度。     

基于MPU9250和MS5611的人体姿态检测系统设计

为了解决集中日程生活中老人可能发生跌倒而产生的危险，设计了一款基于MPU9250和MS5611的人体姿态检测系统，经过对人体日常运动的特性以及采集数据的特征分析，将人体的日常行为分为了3类，实验采用阈值算法、Mahony数据融合的算法，利用加速度结合俯仰角和滚动角以及气压计检测高度变换来检测人体姿态是否跌倒，结果表明该系统对跌倒行为的检测精度比较理想，可以更好的对人体的跌倒行为进行风险评估。     

一种基于彩色图像的运动人体分割方法

图像分割是计算机早期视觉不可缺少的一步。彩色图像由于具有比灰度图像更多的视觉信忠．受到了越来越多的重视。该文运用改进的背景差分方法，结合直方图双阈值分割和数学形态学的算法。在彩色图像序列中获得运动人体。实验结果表明上述算法对噪声抑制和人体图像断裂处填充都是有效的，能够实时从彩色图像序列中分割出运动人体。     

基于红外图像和逆向投影算法的室内人体跌倒检测方法

研究表明跌倒是我国老年人伤害的主要原因,缩短跌倒到救治的时间能降低跌倒造成的伤害。为此,室内老年人跌倒检测需求逐年增加。红外传感器具有受光照影响小,保护隐私等优点,越来越广泛地应用于室内人体跌倒检测中。然而,由于红外图像存在分辨率低、信噪比差等缺陷,导致传统方法的检测精度较低。针对这个问题,本文提出一种基于逆向投影算法的室内人体跌倒检测方法。首先,通过人体温度计算出人体与传感器之间的距离;其次,结合图像信息,逆推出人体在真实世界的高度;最后,对获取的人体真实高度数据进行平滑处理,并根据其变化情况进行跌倒检测。实验结果表明,本文所提方法的检测准确率达到98.57%,优于传统非逆向投影方法,其性能完全可以应用于实际检测中。     

基于PCA与SVM的头部姿态识别及应用

针对头部姿态识别在复杂背景和变化光照情况下准确率低的问题,提出了一种有效识别图像序列中头部姿态的方法.首先运用Adaboost算法提取出图像序列中不同姿态的人脸图像,通过主成分分析方法(PCA)提取人脸姿态特征;然后使用支持向量机构(SVM)造多分类器对提取的特征分类从而实现头部姿态识别;最后设计了五种不同的头部姿态在变化光照下与智能轮椅进行人机交互实验.实验结果表明该方法实时性高,抗光照变化性能强,识别率高达92.2％.     

三维深度图像在自动客流计数系统中的应用

在客流计数中,针对目前基于普通彩色相机的图像处理受光照、人体姿态、遮挡等因素影响使系统整体性能降低等问题,提出了一种基于人体头肩三维信息检测客流的新方法,即利用人体头部与肩部空间位置关系特征以及头部形状、面积等特征检测客流。以Xtion传感器为平台,通过综合分析传感器获取的包含人体表面三维特征的深度图像,识别并跟踪人体头部,统计进出的人数。实验结果表明,这种方法不仅提高了检测的精度和效率,减少了运算数据量,实现了视频流实时处理,而且解决了基于普通彩色图像中目标检测需要建立训练库等问题。系统精度达到96%,具有实际的应用价值。     

基于智能感知的人体跌倒动作识别技术研究

为提高跌倒动作的正确识别次数,提出基于智能感知的人体跌倒动作识别技术.采集人体运动行为数据,保证数据识别的真实有效性;提取跌倒动作特征,提高动作识别效果;基于智能感知识别跌倒行为,减少伪跌倒动作的识别影响;由此实现人体跌倒动作的实时分析.采用对比实验的方式,验证新识别技术的识别效果更佳,具有一定的推广价值.     

3D depth image analysis for indoor fall detection of elderly people

This paper presents a new fall detection method of elderly people in a room environment based on shape analysis of 3D depth images captured by a Kinect sensor. Depth images are pre-processed by a median filter both for background and target. The silhouette of moving individual in depth images is achieved by a subtraction method for background frames. The depth images are converted to disparity map, which is obtained by the horizontal and vertical projection histogram statistics. The initial floor plane information is obtained by V disparity map, and the floor plane equation is estimated by the least square method. Shape information of human subject in depth images is analyzed by a set of moment functions. Coefficients of ellipses are calculated to determine the direction of individual. The centroids of the human body are calculated and the angle between the human body and the floor plane is calculated. When both the distance from the centroids of the human body to the floor plane and the angle between the human body and the floor plane are lower than some thresholds, fall incident will be detected. Experiments with different falling direction are performed. Experimental results show that the proposed method can detect fall incidents effectively.     

一种基于SVM算法的波形特征识别算法

介绍了一种基于 SVM 算法的波形特征识别算法，并描述了算法如何应用于人体加速度波形识别，首先使用 LIBSVM 建立波形判决模型，使用摔倒与正常运动的波形建立训练集对判决模型进行训练并交叉验证模型准确性。通过在连续波形上加入滑动观察窗体，对窗体内的波形片段使用判决模型进行判决，能够实时捕获摔倒波形，并能够较准确地区分摔倒与跑步、走路等正常运动的波形。当出现误判/漏判情况时，能够及时修正训练集，让摔倒判定模型不断得到训练，进而不断提高判决准确率。     

一种基于关键点的红外图像人体摔倒检测方法

针对已有人体摔倒检测方法在复杂环境场景下易受光照影响、适应性差、误检率高等问题,提出了一种基于关键点估计的红外图像人体摔倒检测方法。该方法采用红外图像,有效避免了光照等因素的影响,经过神经网络找到人体目标中心点,然后回归人体目标属性,如目标尺寸、标签等,从而得到检测结果。使用红外相机采集不同情况下的人体摔倒图像,建立红外图像人体摔倒数据集并使用提出的方法进行检测,识别率达到97%以上。实验结果表明提出的方法在红外图像人体摔倒检测中具有较高的精度与速度。     

Human pose estimation and its application to action recognition: A survey

Human pose estimation aims at predicting the poses of human body parts in images or videos. Since pose motions are often driven by some specific human actions, knowing the body pose of a human is critical for action recognition. This survey focuses on recent progress of human pose estimation and its application to action recognition. We attempt to provide a comprehensive review of recent bottom-up and top-down deep human pose estimation models, as well as how pose estimation systems can be used for action recognition. Thanks to the availability of commodity depth sensors like Kinect and its capability for skeletal tracking, there has been a large body of literature on 3D skeleton-based action recognition, and there are already survey papers such as [1] about this topic. In this survey, we focus on 2D skeleton-based action recognition where the human poses are estimated from regular RGB images instead of depth images. We summarize the performance of recent action recognition methods that use pose estimated from color images as input, then show that there is much room for improvements in this direction.     

Device-Free Through-the-Wall Activity Recognition Using Bi-Directional Long Short-Term Memory and WiFi Channel State Information

Activity recognition plays a key role in health management and security. Traditional approaches are based on vision or wearables, which only work under the line of sight (LOS) or require the targets to carry dedicated devices. As human bodies and their movements have influences on WiFi propagation, this paper proposes the recognition of human activities by analyzing the channel state information (CSI) from the WiFi physical layer. The method requires only the commodity: WiFi transmitters and receivers that can operate through a wall, under LOS and non-line of sight (NLOS), while the targets are not required to carry dedicated devices. After collecting CSI, the discrete wavelet transform is applied to reduce the noise, followed by outlier detection based on the local outlier factor to extract the activity segment. Activity recognition is fulfilled by using the bi-directional long short-term memory that takes the sequential features into consideration. Experiments in through-the-wall environments achieve recognition accuracy >95% for six common activities, such as standing up, squatting down, walking, running, jumping, and falling, outperforming existing work in this field.     

一种基于超宽带雷达的日常活动分类方法

近年来,随着智能物联网应用的快速发展,雷达传感器由于具有保护隐私、全天候全天时工作、不受光线和遮挡影响等优点,在人体目标日常行为活动识别方面受到了学术界和产业界的极大重视.针对一种超低辐射的超宽带雷达(Impulse Radio Ultra-Wideband,IR-UWB),提出了一种室内人员日常活动(包含静止、坐下、...     

基于加权平均值的汽车车牌监控图像过滤技术研究

车牌监控图像由于照明、天气、运动目标位置和运动目标速度的不同,图像质量差异很大,从而不利于车牌监控的定位和识别。本文采用最大值法、平均值法和加权平均值法三种方法对车牌监控图像进行过滤,结果表明：采用加权平均值法进行车牌图像颜色过滤能够保留绝大部分的汽车车牌信息,使得目标和背景之间边界清晰,是一种较好的车牌图像彩色过滤方法。     

模糊集理论在色彩构成识别中的应用

报导了模糊集理论在色彩构成识别中应用的理论和实验结果。利用动态K-L变换，把用RGB参量表示的彩色图像转化为用三彩色基I^1、I^2和I^3表示的彩色图像，求出它们的直方图；利用模糊原理对其色彩构成进行识别，即把得到的直方图变成具有某种意义的模糊集，提取其隶属函数作为色彩构成特征量，依据模糊集理论中的择近原则，进行图像色彩构成的识别。由于该方法直接从图像中得到直方图，把直方图的数据模糊化进行识别，不依赖于观察者的主观判断，因而客观性强，而且可以大大提高识别的速度。     

基于低分辨率红外传感器的深度学习动作识别方法

近年来动作识别成为计算机视觉领域的研究热点,不同于针对视频图像进行的研究,本文针对低分辨率红外传感器采集到的温度数据,提出了一种基于此类红外传感器的双流卷积神经网络动作识别方法.空间和时间数据分别以原始温度值的形式同时输入改进的双流卷积神经网络中,最终将空间流网络和时间流网络的概率矢量进行加权融合,得到最终的动作类别....