基于人体姿态信息的下肢康复机器人运动控制技术

针对下肢运动功能障碍患者术后康复训练辅助设备的跟随控制问题,本研究提出一种基于人体姿态信息的下肢康复机器人运动控制方法。根据康复机器人的结构特性和功能要求,建立机器人运动数据信息采集系统和下肢康复机器人的运动学模型;构建机器人平台上的人体姿态行为信息采集传感器系统,通过分析位移传感器所采集的数据,得到表征人体姿态行为变化的相关信息,经上位机计算生成康复机器人的期望跟随速度;同时,基于模糊PID控制算法设计了跟随控制器。通过仿真和实验验证该控制算法能够有效减小机器人实时跟踪使用者运动过程中的误差,实现康复机器人对人体运动姿态良好的跟随效果。     

人体异常坐姿识别方法研究进展

日常生活中，久坐往往会出现异常坐姿，频繁的异常坐姿导致人们患上骨骼肌肉疾病的现象愈发普遍，及时识别异常坐姿并进行提醒对人们的健康具有重要意义。文章综述了人体异常坐姿识别方法研究进展。从数据采集角度出发，将识别方法分为基于接触式传感器的人体异常坐姿识别方法，基于射频信号的人体异常坐姿识别方法，基于机器视觉的人体异常坐姿识别方法，并对这3类方法进行综述，分析各方法的特点。其中，采用接触式传感器的方法，分别从可穿戴设备和压力传感器两个角度阐述；而基于机器视觉的方法，分别从所使用的前景图像和人体骨骼关键点两个方面进行综述。最后，总结并分析了代表性人体异常坐姿数据集，统计并分析了代表性人体异常坐姿识别算法的性能表现，总结并展望了人体异常坐姿识别方法的发展趋势。     

基于卷积神经网络的低分辨雷达目标一步识别技术

现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的一维CNN,通过卷积池化等操作自动获取数据深层本质特征,无需特征提取,实现对目标的一步识别。仿真实验结果表明:基于CNN的低分辨雷达目标一步识别方法的识别率较传统基于提取特征的两步识别方法提高了10.31%,识别时间较传统两步识别方法减少了0.142 s,充分证明了一步识别方法的有效性,为低分辨雷达目标识别问题提供了新的解决途径。     

雷达近场成像中SVM的目标识别方法

雷达近场成像中,在精确定位的基础上,为解决目标形状识别问题,提出了利用支持向量机（SVM）预测目标信息的方法.根据时域算法——后向投影（BP）算法和频域算法——频率波数域（F-K）偏移算法得到的场强值作为SVM的特征数据,并利用时域有限差分法（FDTD）进行仿真.仿真结果表明,基于BP算法的SVM识别方法具有特征数据提取时间长、SVM预测时间短、多目标时目标信息全和虚警较多等特征,基于F-K算法的SVM识别方法具有特征数据提取时间非常短、SVM预测时间非常短、多目标时目标漏检的特征;两者都能较好地识别目标的形状,且前者的识别能力高于后者,而后者更适合实时成像.     

人体断层曲线的快速构造

利用人体测量数据,提出了一种以Chaikin算法进行人体断层曲线快速构造的方法,给出了不同断层的控制多边形布点方案,为人体三维模型的快速构造提供可能。     

基于运动状态估计的双无人机协同航路规划

在双无人机协同任务过程中,由于会受到敌方雷达、武器等干扰造成跟随机无法准确获得领航机状态,为保证跟随机能够尽可能跟随领航机,提出结合交互式多模型(IMM)算法和自适应差分进化(JADE)算法的方法进行跟踪与寻迹.首先,基于JADE算法为领航机优化一条平滑航路并建立领航机位置状态信息,同时利用多个机动模型匹配估计领航机运动状态;然后,根据估计信息,确定跟随机下一可行航迹点范围;最后,以双机时空协同为目标,设计跟随机优化目标函数,优化产生下一航迹点.仿真实验表明,仅8.8%的航迹点处于双机探测范围外,且短时间内能够回到理想位置,时间和空间上双机能够保持协同.     

基于DSP的运动人体小车跟随系统

为弥补传统监控视野范围固定缺陷,并实现运动人体实时监控,采用图像处理方法,设计了一个基于数字信号处理器件(Digital Signal Processor,DSP)车载摄像头运动人体小车跟随系统。采用帧间差分法检测识别运动人体,提出一个基于灰度直方图的连续自适应均值漂移运动人体跟随算法,通过计算运动人体反向投影图的0阶矩阵和1阶矩阵,求出运动人体的质心坐标和宽度,作为下一帧跟踪框位置和大小。实验结果表明:电荷耦合器件摄像头采集的运动人体图像在DSP进行检测识别和跟随处理,正确地获得左转、右转、前进和后退等四个驱动信号,驱动小车跟随运动人体。实地测试表明:该系统能够实现对运动人体目标左右前后跟随,并时刻与运动人体保持一定安全距离。     

基于多尺度熵和动态时间规整的步态身份识别

针对现有人体步态身份识别算法单一、准确率较低的问题,提出了一种基于多尺度熵和动态时间规整（DTW,dynamic time warping）的人体步态身份识别方法。采用自制的APP软件在较低采样率下采集人体步行加速度数据,实验中共采集50名志愿者的正常行走加速度数据,使用多尺度熵算法进行数据处理,得到在各个尺度下的熵值,最后采用DTW算法对多尺度熵值进行特征匹配,得到的相对错误率（EER,equal error rate）为13.7%,仿真结果表明基于多尺度熵和DTW算法相结合的方法较好提高了身份识别的准确率,为人体步态身份识别提供了一个新的思路。     

基于改进预瞄跟随算法的新能源汽车转向控制研究

为了解决传统预瞄跟随算法应用于新能源汽车转向控制导致在转弯曲率过大路况下车辆易脱离路径的问题,对预瞄跟随算法改进并应用于汽车转向控制中,将预瞄点设定为当前车速下经过时间T到达的路径上的点,采用预瞄跟随最优曲率驾驶员模型的预瞄点快速搜索,并将改进算法在Dymola软件构建的新能源汽车转向控制模型上进行验证.和传统预瞄跟随...     

基于差异进化算法的围岩参数识别

引入了一种新型智能优化算法差异进化优化算法,建立采矿巷道围岩参数的识别方法.基于正交设计和均匀设计方案进行巷道开挖的数值试验,建立围岩力学参数与监测位移的映射关系回归模型.以计算位移和监测位移的误差为适应值,采用差异进化优化算法进行参数识别.在探讨差异进化算法原理和参数识别步骤基础上,将该方法应用于金山店铁矿进路巷道分析.分析结果表明该算法具有优良的全局快速收敛性,是具有较强适应性的新型巷道参数识别方法,具有良好应用前景.     

面向智能监控的运动目标轮廓可靠提取

针对目标运动检测算法得到的运动目标轮廓存在轮廓不完整、不准确等问题,本文提出一种基于Vibe算法和GVF snake的运动目标轮廓可靠提取算法。首先通过Vibe算法快速定位运动目标的感兴趣区域,并结合数学形态学、边界快速粗定位算法,获得运动目标轮廓粗定位,再利用改进主动轮廓模型能够实时可靠提取运动目标的轮廓。改进的提取算法具有良好的模型初始化条件,使得本方法不仅能够得到准确的运动目标轮廓,而且满足了实时性要求。实验结果表明,该算法能够实时可靠地提取运动目标轮廓。     

基于多天线FMCW雷达的人体行为识别方法

提出一种基于多天线调频连续波(frequency modulated continuous wave, FMCW)雷达的多参数融合神经网络(fusion neural network, FNN)人体行为识别方法。针对FMCW雷达参数估计算法角度分辨率不足以及在估计目标个数错误的情况下会降低精度的问题,提出一种结合最小功率无失真响应(minimum power distortionless response, MPDR)波束形成与快速傅里叶变换(fast Fourier transform, FFT)的距离-方位角参数联合估计算法。利用2个相互垂直的线阵雷达捕捉人体行为,使用参数联合估计算法估计人体目标各回波点在水平与垂直方向的距离、角度参数。构建FNN,从参数估计结果中提取并融合人体行为在水平与垂直方向的空间与时间特征,根据融合特征实现人体行为识别与分类。实验结果表明,FNN方法对人体行为识别的准确率相比传统三维卷积神经网络(3D convolutional neural networks, 3D-CNN)提升了4.37%。     

基于 Leader-follower 的处置突发事件队形变换方法研究

针对武警部队处置突发事件时的队形变换问题，提出了一种基于跟随领航者（Leader－follower）法的队形变换方法。该方法引入几何划分，对目标队形实现区域划分，结合贪婪算法构造一个距离矩阵，实现各领航者在目标队形中的配对问题，并根据领航者所在区域对其跟随队员使用贪婪算法，得到每个队员在目标队形中的分布。对于路径冲突问题，提出了碰撞检测与碰撞规避。最后以武警分队横队到楔形队的变换进行仿真实验，实验结果显示，所提方法在武警分队队形变换问题上具有可行性，并且能够有效地提高队形转换效率。     

面向函数的代码克隆检测

在软件开发过程中绝大多数克隆代码集中在函数内部,为了更加快速有效地检测出克隆代码,提出了一种基于函数内部特征矩阵的代码克隆检测算法。该算法通过提取函数内部特征,从而达到将具体代码的比较转化为对特征矩阵进行相似度计算。实验结果表明,该算法可以检测出所有克隆函数,并与基于字符串代码克隆检测算法和基于串匹配的程序代码相似性识别方法相比,该算法在运行时间及精度上均优于基于字符串代码克隆检测算法和基于串匹配的程序代码相似性识别方法。其次,通过使用N-grams算法对函数名进行相似度检测,使得该算法在运行效率上得到了显著提升。     

人体重心动摇轨迹包络面积的改进算法

研究了人体重心动摇轨迹包络面积的算法，对传统算法进行改进，提出简单快速的包络面积测量算法，并将其编写到平衡仪的软件程序中。经过验证，新算法可准确快速地测量出人体重心动摇轨迹包络面积。     

基于SURF的目标跟踪算法

为了改善运动目标在跟踪中的实时性问题,提出了一种基于SURF算子的目标跟踪算法。通过对SURF特征点集进行描述快速确定目标位置,实验表明该方法是一种简洁有效的目标跟踪识别方法。同时针对目标运动过程中短时间的遮挡问题,提出了一种目标遮挡检测机制,为目标遮挡的处理提供了一种途径。     

基于运动特征的人体异常行为识别

为了提高监控视频中人体异常行为识别的实时性和准确率,提出了基于运动特征的人体异常行为识别方法。利用分块更新的背景差法从图像中提取出完整的人体轮廓,通过区域关联结合颜色直方图实现人体目标跟踪,解决了非线性运动时漏跟和误跟的问题。通过人体运动轨迹、运动姿态及运动时间3个参数,对人的5种异常行为进行分析判断。实验结果表明,所提算法不仅能实时地对人体进行检测和跟踪,还能快速、准确地识别出异常行为,具有简单实用的特点。     

农用车辆视觉导航路径识别方法

为提高农用车辆视觉导航系统对不同环境的适应性,研究了田间地头、天空以及树木等复杂环境对路径识别的影响.提出用一种新的中心线检测算法来取代原有的细化算法;用腐蚀算法代替原有的中值滤波;据此设计了适合复杂环境的路径识别方法.大量的田间试验证明,该方法对普通环境和复杂环境均具有较好的适应性,能够快速、可靠、准确地提取导航路径特征.     

卡尔曼滤波在视觉伺服机器人控制中的应用

在基于视觉伺服的机器人控制中,准确跟踪动态目标的关键在于快速准确地完成连续图像中的目标辨识.本文在基于特征差异的彩色目标识别方法的基础上,应用卡尔曼滤波算法对运动目标位置进行预测,在预测的局部范围内搜索匹配目标,将全局搜索改变为局部搜索,大大减少了图像处理数据量,提高了机器人快速跟踪运动目标的实时性.     

基于人体属性分析的考场行为识别

在实际监控的边缘设备中利用TSN或者3DCNN网络很难实现实时的、相对准确的监控任务。提出一种结合了人体检测和人体属性分析的考场行为识别算法。相对于以提取时空特征作视频分类算法为主流思想的行为识别,利用视频帧以人体检测和人体属性分析结合的行为识别方法更加快速准确。方法借助了多标签学习、注意力机制和特征金字塔等策略来改进任务,同时利用迁移学习对本地采集的数据集进行再训练,实验结果表明达到了主流数据集的良好性能,并在考场环境具有高效性与实用性。