基于多特征集成分类器的人脸表情识别

提出基于多特征集成分类器的人脸表情识别新算法。新算法首先对预处理后的人脸表情图像通过3种不同的特征提取方法来提取不同类型的表情特征,然后对不同特征构造不同的分类器,最后构造一个基于神经网络的集成分类器模型,对这3个分类器的输出进行决策融合,从而实现人脸表情的最终识别。在JAFFE人脸表情数据库中的试验结果表明,所提算法的识别效果优于单个特征和单一的分类器。     

5指仿人假手及模式识别控制的研究

基于生物机电一体化方法设计了带有感觉反馈功能的5指假手系统;假手本体具有类似人手的弧形掌面,通过耦合连杆机构实现5指的独立驱动,并在手指内部集成了力矩及位置传感器,从而有效提高了外观、运动形式的仿人性及操作的灵活性.以FSR传感器检测前臂肌肉压力信号为控制源,经过支持向量机SVM分类器实现手部运动模式的识别,采用相关系数与主成分分析相结合的方法优化了传感器的位置及数量,此外针对SVM以及最近邻法进行了10种运动模式的对比试验,结果表明手指的运动形式仿人度高,灵活性高,且SVM的识别成功率要高于近邻法.     

网球正手技术动作力学原理分析

网球运动是一项技术要求非常高的体育项目,它不仅需要大肌肉群的参与,而且还需要诸多小肌肉群的参与以及全身各部位的协调配合。从生物力学的角度讲,完美的技术是力量和控制有效地结合,并将受伤减少至最低程度,所以只有掌握科学的技术才能有效的打好网球。正手击球是最重要的技术,技术动作分为准备姿势,引拍,向前挥拍,触球、随挥五部分。各技术动作都涉及到人体上肢、躯干和下肢等关节的运动,下肢的蹬伸、躯干的扭转和上肢的鞭打是正手击球的运动动作形式。本文主要根据力学中的原理对正手击球动作进行分析,帮助球员更好的理解正手技术动作,进而提高其技术水平。     

从力学的角度分析网球正手抽球

从力学的角度对网球正手抽球作力学分析,对于不同旋转的球,所采用的击球动作结构应该有一定的变化,整个抽球效果与拍面的开合程度、挥拍速度、超越器械程度及前送的距离有一定的关系.     

基于SVM信息融合方法的人脸表情识别

提出一种基于支持向量机(SVM)的信息融合方法进行人脸表情识别．该方法首先对 预处理后的人脸图像进行局部特征和整体特征的提取;然后用最小距离分类器、最近邻距离 分类器、最大相关分类器、径向基函数(RBF)神经网络分类器进行表情识别;最后构造一 个三阶的多项式支持向量机对多个分类器的输出进行决策融合以达到人脸表情识别的目的．     

基于光流约束自编码器的动作识别

为了改进特征学习在提取目标运动方向及运动幅度等方面的能力,提高动作识别精度,提出一种基于光流约束自编码器的动作特征学习算法.该算法是一种基于单层正则化自编码器的无监督特征学习算法,使用神经网络重构视频像素并将对应的运动光流作为正则化项.该神经网络在学习动作外观信息的同时能够编码物体的运动信息,生成联合编码动作特征.在多个标准动作数据集上的实验结果表明,光流约束自编码器能有效提取目标的运动部分,增加动作特征的判别能力,在相同的动作识别框架下该算法超越了经典的单层动作特征学习算法.     

乒乓球正手攻球与拉弧圈球技术“核心区”肌群的sEMG测试与分析

在乒乓球运动中,正手攻球或正手拉弧圈球技术是得分的主要手段,也是乒乓球运动的核心技术.运动员在比赛中完成挥拍击球动作时身体总是处于不稳定、甚至是失去重心的状态,其"核心区"肌群对调节身体平衡、控制身体稳定性以及提高击球的命中率十分重要.本研究采用对比实验方法对乒乓球正手击球技术的"核心区"肌群参与情况进行了sEMG测试,发现"核心区"肌群的放电量大于上肢肌群与下肢肌群,其"核心区"肌群参与度高,对提高正手击球的稳定性有着重要意义.     

基于字典学习的77GHz雷达人体动作识别

基于视觉的人体动作识别方法对光线和视距环境较高,并且存在侵犯隐私的问题,在应用中有局限性。为了解决这个问题,提出一种基于毫米波雷达和字典学习的人体动作识别方法。首先对人体动作的雷达回波信号进行时频分析得到时频图,再使用两种特征提取方法对时频图进行降维描述,将两种降维后的数据融合,通过LC-KSVD字典学习算法同时学习多特征字典和一个线性分类器,最后根据稀疏系数和线性分类器来识别动作。在此基础上,设计77 GHz毫米波雷达动作识别实验系统,结果表明:算法在10种人体动作数据集上达到了97.7%的识别准确率,可见所提方法实现了对人体动作的准确识别。     

基于动作捕捉的无人机运动状态识别

无人机运动状态识别是无人机运行状态分析的基础,是实现无人机航迹预测的必要条件。对于非合作目标来说,动作捕捉系统可以有效采集其航迹数据。提出一种基于动作捕捉的无人机运动状态识别方法。首先,通过插值、重采样、滤波等方法对包含噪声的无人机航迹数据进行预处理;然后,通过特征提取与特征选择方法,针对速度、加速度、曲率、转角这4个运动参数,提取无人机运动特征;并分割无人机航迹。最后运用支持向量机的方法进行无人机运动状态识别,对速度、加速度、曲率的分类精度分别达到了95%、90%和100%。证明了本方法的可行性。     

基于MEMS六轴传感器的上肢运动识别系统

设计并实现了一种基于MEMS六轴传感器的上肢运动识别系统.该系统通过1个MEMS六轴传感器对用户上肢运动的三维加速度和三维角速度进行实时采集并使用蓝牙发送到计算机中.通过计算机将采集到的数据进行加速度分解、滤波、周期判别、标准化等处理后,与特征数据库中的数据进行相关性分析,从而实现对特定动作的识别,并可对重复动作进行计数.以对哑铃动作采集数据为例,验证了该系统的有效性.     

德约科维奇2016澳网公开赛关键分技战术运用研究——基于角度、线路、区域视角

分析德约科维奇关键分技战术特征,为我国竞技网球比赛制胜提供思路.采用视频观察、逻辑分析等方法对德约科维奇2016年澳网公开赛关键分技战术策略特征进行分析.主要结论:比例由高到低排序发球角度方面,一发趋势为内角、外角、追身,二发为追身、内角、外角;发球抢攻方面以三角度发球结合抢攻对手反拍位为总策略,一发抢攻以内外角发球抢攻正反拍底线两角为主,二发抢攻以发追身位抢攻底线两角为主,以发正手位抢攻反手底线为辅;接发线路方面左区以接中路底线区为主线,右区则主要接向正拍和中路底线区两侧;得分前四位技术由高到底依次为反拍、发球、正手、接发技术;失分技术为反手、接发球、正手、网前技术.     

网球运动服外观设计分析

结合人体运动特点及服装设计要素,分析了影响运动服外观的主要因素.以网球运动服为例,分析了网球运动的发球、正拍、反拍和切削等4个基本动作以及网球运动特点与网球运动服装的关系.提出了网球运动服的款式造型、面料选择、色彩搭配、结构版型和工艺质量等外观设计要素的设计要求,为网球运动服设计和外观质量评价提供依据.     

基于主成份分析的Bagging集成学习方法

机器学习中数据集的冗余特征会影响学习器的泛化能力，一些流行方法如支持向量机和集成学习也难免于此．研究了利用主成份分析进行特征变换对Bagging集成学习算法的影响，提出一种称为PCA—Bagging的算法，并与其它算法比如单个支持向量机、支持向量机Bagging集成、带有特征变换的单个支持向量机等进行了性能比较．在多个UCI标准数据集上的实验表明PCA—Bagging算法具有更好的性能，这说明即使是泛化能力很强的集成学习方法其学习的数据也需要进行适当的特征变换。     

基于时频特征和PCA-KELM的液压系统故障诊断

为了解决液压系统泄漏、堵塞和气穴等多类型故障下特征提取和模式识别困难的问题,提出基于时频特征和PCA-KELM的液压故障智能诊断新方法。首先利用统计分析和总体平均经验模态分解方法,构造高维混合域初始特征向量,从不同特征指标、不同分析角度对不同种类液压故障进行表征和刻画;然后通过主成分分析对多维初始特征向量进行降维和特征二次提取,将高维相关变量转化为低维独立的主特征向量;最后利用PCA主元构造的主特征向量输入核极限学习机网络中,实现故障类型的识别。实验结果表明,混合域初始特征向量能全面准确地描述故障特征,PCA提取的主特征向量摒弃了冗余信息且简化了分类器结构,KELM网络诊断速度快、分类准确率高。     

基于改进SVM分类器的动作识别方法

利用智能手机加速度传感器信号,提出一种改进的动作识别方法以降低传统动作识别方法的复杂程度,提高识别率。在特征提取时用盲选法,即用PCA(principal component analysis)进行特征值的降维和去除多维间的干扰,而所选特征没有对应的物理意义;并在分类识别中将遗传算法应用到SVM(support vector machine)分类器参数优化中。通过实验表明,该方法能够对日常的走路、站立、跑及上下楼等动作进行准确的识别。     

乒乓球组合技术特征研究——以中外优秀男子乒乓球运动员弧快类打法为例

采用文献资料法、视频观察法及数理统计法,对中外优秀男子乒乓球弧快类打法运动员在国际大型比赛中的比赛视频进行组合技术运用统计学研究分析．研究证明,发球后抢拉和抢冲、接发球控制后转为抢拉、搓中转拉冲等组合技术是直板弧快打法中最常用的组合技术．发球后抢拉和抢冲、反手拉转正手拉冲、搓中转拉冲等组合技术在横板弧快打法中占重要地位．     

基于时频域特征的人员连续动作分段识别

基于惯性传感器的步态识别研究是人工智能应用到实际生活的典型范例,近几年取得满意的成就.针对日常生活中连续动作类型的信号,对其进行精确分割和识别的效果仍略有不足;这些研究局限于传感器信号的时域特征和一些简单的频域特征,且没有对不同动静状态的动作进行分类.将人类常见6种连续行为分为3类动态动作和3类静态动作,并对其进行分割和识别.使用滤波器去除原始信号噪声干扰.通过滑动窗口分割法进行分割,对每一个窗口片段提取常用传统特征和梅尔倒谱系数,以及倒谱系数的一二阶delta导数等频域特征.将6类动作的不同特征进行多种组合,使用分类器识别不同动作,将不同特征组合的识别结果进行比较.该模型在UCI公开数据集随机抽取了5组测试样本,整体分割识别准确率最高达到98.19％.     

观众效应对网球训练的影响

观众效应是运动心理学关注的一个热点问题．以浙江师范大学行知学院体育专业的36名从未接触过网球的新生为被试,通过3个月的网球教学训练,检验观众效应对其训练阶段的影响．结果表明：1）正手原地击球、反手原地击球和正反手移动击球的阶段主效应显著;发球阶段主效应接近显著,即后期阶段的训练效果好于早期阶段．2）正反手移动击球训练的“有无观众”与“训练阶段”的交互作用显著,F=34．596,P〈0．01;3）“有无观众”与“训练阶段”的交互作用可以作为检测网球动作技能掌握熟练程度的指标．因此,在网球训练特别是动作技能基本熟练掌握后的训练中应该注重观众效应对训练效果的影响,充分利用观众效应的促进作用,避免观众效应的消极作用．     

集成学习算法的比较研究

从差异性出发,研究了基于特征技术与数据技术的集成学习算法,深入分析了这些集成学习算法产生差异性的方法;针对决策树与神经网络模型在标准数据集对集成学习算法进行了实验研究,结果表明集成学习算法的性能依赖于数据集的特性以及产生差异性的方法等因素,并且基于数据的集成学习算法的性能优于基于特征集的集成学习算法的性能.     

基于卷积神经网络-双向长短期记忆网络的人体活动识别方法

针对人体活动传感器数据的时序性特点,以及当前机器学习算法过度依赖手工特征提取的问题,提出了一种融合卷积神经网络和双向长短期记忆网络的深度学习模型(convolutional neural network-bidirectional long short term memory network,CNN-BiLSTM)进行...