被动踝足外骨骼对平地行走时运动表现的影响

被动踝关节外骨骼(unpowered-ankle exoskeleton)可实现人体步态行走良好辅助作用,但对其助行增强效果研究多局限于跑步机行走范式,现少有在平地行走下穿戴外骨骼对穿戴者运动生物力学影响的研究。本研究设计组装了一款低成本模块化的被动踝关节外骨骼,首次研究了平地行走下穿戴被动踝关节外骨骼对健康年轻穿戴者肌肉激活与运动表现的影响。实验招募5名穿戴者,在无外骨骼、仅穿戴外骨骼框架和穿戴外骨骼3种实验条件下完成直线行走任务,过程中同步采集人体下肢主要肌群的肌电和关节运动轨迹。提取了肌电激活特征和关节角度特征,采用双因素方差分析方法揭示了不同外骨骼穿戴状态对相关特征的影响。结果表明,外骨骼框架会对人体提供支撑,降低站立阶段腓肠肌内侧肌肉激活。而穿戴外骨骼在站立阶段使腓肠肌内侧的平均肌肉激活显著降低20%,也显著降低了踝关节的峰值力矩及功率。外骨骼会使髋膝关节的运动学和动力学表现发生变化,这可能与下肢关节间的能量交换有关。因此,被动踝关节外骨骼可在平地行走下对踝关节实现支撑相和推离阶段有效辅助,但穿戴者同时也会适应外骨骼穿戴而改变其步态。     

面向人体健康防护的光纤生化传感技术

光纤生化传感器因具有不受电磁干扰、绝缘性好、安全防爆、损耗低和耐腐蚀等优点,在人体健康防护领 域表现出了良好的应用价值:及时且有效地监测污染物可为环境污染物的有效控制提供数据支撑,从源头上减少疾病的发生;准确且灵敏地检测疾病标志物可诊断人体疾病的情况,从而使得疾病的预防和早期治疗成为可能.对应用于人体健康防护中的光纤生化传感器进行全方位地概述:首先,介绍其使用的光纤传感原理;然后,总结并分析应用于气体和水质污染物监测的光纤生化传感技术;接着,总结并分析应用于人体呼出气体和生物体液检测的光纤生化传感技术;最后,讨论光纤生化传感器在人体健康防护领域实际应用的一些限制因素以及未来的发展方向.     

基于高分辨率网络和图卷积网络的三维人体重建模型

针对单目图像重建人体时出现的头部姿态翻转和图像特征间隐式空间线索缺失的问题,提出了一种基于高分辨率网络（HRNet）和图卷积网络（GCN）的三维人体重建模型。首先利用HRNet和残差块作为主干网络从原始图像中提取丰富的人体特征信息,然后使用GCN来捕获特征之间隐式的空间线索以获得空间精确的特征表示,最后使用此特征来预测多人线性蒙皮模型（SMPL）的参数以得到更加准确的重建结果;同时为了有效解决人体头部姿态翻转的问题,对SMPL的关节点重新进行了定义,在原有关节的基础上增加对头部关节点的定义。实验结果表明,所提模型能够准确地重建出三维人体,在2D数据集LSP上的重建准确率达到了92.41%,在3D数据集MPI-INF-3DHP上的关节误差和重建误差也大幅降低,平均误差仅分别为97.73 mm和64.63 mm,验证了所提模型在人体重建领域的有效性。     

基于CNN-LSTM双流融合网络的危险行为识别

针对目前人体危险行为识别过程中由于时空特征挖掘不充分导致精度不够的问题,对传统双流卷积模型进行改进,提出了一种基于CNN-LSTM的双流卷积危险行为识别模型。该模型将CNN网络与LSTM网络并联,其中CNN网络作为空间流,将人体骨架空间运动姿态分为静态与动态特征进行分别提取,两者融合作为空间流的输出;在时间流中采用改进的可滑动长短时记忆网络,以增加人体骨架时序特征的提取能力;最后将两个分支进行时空融合,利用Softmax对危险动作做出分类识别。在公开的NTU-RGB+D数据集和Kinetics数据集上的实验结果表明,改进后模型的平均跨角度（Cross view,CV）精度达到92.5%,平均跨视角（Cross subject,CS）精度为87.9%。所提方法优于改进前及其他方法,可以有效地对人体危险动作做出识别,同时对于模糊动作也有较好的区分效果。     

运动场景下的多目标人体姿态估计

为提高群体活动场景下细粒度人体姿态估计的准确率,优化网路中人体识别及姿态估计算法,在现有研究的基础上,提出一种结合多尺度预测以及改进并行注意力模块的多目标人体姿态估计算法。在充分利用不同尺度特征信息的基础上,实现高质量的人体姿态估计;针对运动场景下多目标人体姿态数据集较少,提出一种数据集CUPB Sport Dataset。实验结果表明,该算法在公开基准数据集和自制数据集上分别达到了81.4 mAP和79.7 mAP,验证了该算法在运动场景下针对多目标的高效性。     

基于Focal-EIOU函数的被动式太赫兹图像违禁物品识别

针对被动式太赫兹安检系统因环境影响导致图像质量波动,从而影响识别算法,导致准确率大幅降低的问题,提出了基于Focal-EIOU损失函数的改进YOLOv4算法,并用被动式太赫兹人体安检图像对刀、枪违禁物品进行模型训练获得模型。建立不同环境、不同位置角度携带刀枪嫌疑物人员的太赫兹图像数据库,采用图像增广的方法构建丰富数据集;将YOLOv4的CIOU loss改进为Focal-EIOU loss,提高算法对太赫兹图像识别的鲁棒性,进而经过训练获得较优的模型。在本文的测试集中,使用改进后的算法训练的模型平均检测精确度(mAP)达到96.4%,检测速度在28 ms左右,交并比(IOU)平均值为0.95,在同等条件下高于常规算法,改善了检测识别的效果。实验结果表明,本文方法能够有效提高被动式太赫兹人体安检系统的嫌疑物识别准确率,有利于该项技术在人体安检领域的推广应用。     

超宽带雷达人体行为感知研究进展

超宽带 (UWB) 雷达人体行为感知主要研究如何利用人体目标电磁散射回波对位置、行为、意图等进行判别,是光学感知手段的有益补充,应对无光照、地物遮挡、非视距等情况下的应用场合。该文将超宽带雷达人体行为感知研究方法分成基于空间位置和基于微动特征两类技术。在介绍这类技术基本原理的基础上,对比分析了国内外代表性工作的能力现状。最后对超宽带雷达人体行为感知领域的后续重点研究方向进行了展望。     

基于轻量级图卷积的人体骨架动作识别方法

视频中的人体动作识别在计算机视觉领域得到广泛关注,基于人体骨架的动作识别方法可以明确地表现人体动作,因此已逐渐成为该领域的重要研究方向之一。针对多数主流人体动作识别方法网络参数量大、计算复杂度高等问题,设计一种融合多流数据的轻量级图卷积网络,并将其应用于人体骨架动作识别任务。在数据预处理阶段,利用多流数据融合方法对4种特征数据流进行融合,通过一次训练就可得到最优结果,从而降低网络参数量。设计基于图卷积网络的非局部网络模块,以捕获图像的全局信息从而提高动作识别准确率。在此基础上,设计空间Ghost图卷积模块和时间Ghost图卷积模块,从网络结构上进一步降低网络参数量。在动作识别数据集NTU60 RGB+D和NTU120 RGB+D上进行实验,结果表明,与近年主流动作识别方法ST-GCN、2s AS-GCN、2s AGCN等相比,基于该轻量级图卷积网络的人体骨架动作识别方法在保持较低网络参数量的情况下能够取得较高的识别准确率。     

中国青年医学生手部人体测量学调查研究

目的许多手持工具和接口的设计,由于数据缺失或来源进口,不符合用户的手部尺寸,导致用户疲劳损伤效率下降。本文对比分析了中国青年医学生手部测量尺寸和类型。方法选取20~24岁青年医学生196名用电子卡尺对手部37个部位进行人体测量。结果通过不分位数比诸分布,对37个手部形态指数男女比较得出5因子手部特征据此仿真建模,建立了中国青年医护学生的手部特征模型。讨论通过对比分析,GB10000-88中目前存在的5个右手数据有待修订与补充。结论本研究为中国青年医护学生手部测量提供了方法,补充了国内手部测量数据,对各领域的手部研究具有重要意义。     

基于区域分割和蒙特卡洛采样的静态图片人体姿态估计

静态图片中的人体姿态估计是近年来图像分析领域的重要问题之一.由于静态图片中可利用的信息较少,且存在多关节引起的形状畸变、着装变化、背景干扰及遮挡等难点,使得这一问题具有很大挑战性.考虑到现有算法的不足,提出了一种基于区域分割和置信传播蒙特卡洛采样的人体姿态估计算法,将前景区域分割加入到姿态估计中,在概率图模型中引入非树状的约束,采用蒙特卡洛采样来进行概率推理.实验表明该算法比经典的算法在公共数据集上给出了更加精确的估计结果,同时运行时间也减少了25%.