一种基于多特征多分类器融合的人体行为识别方法

提出了一种基于多特征多分类器融合的人体行为识别方法。针对Kinect传感器提取的三维骨骼动作序列,采用身体部位的相对几何特征、关节点的相对位置特征、关节点的绝对位置特征对人体动作进行描述。将支持向量机和随机森林分类器作为成员分类器,对3种动作特征分别进行训练和测试,使用分类器融合算法对分类结果进行融合决策,实现最终的分类。在现有的人体动作数据集上进行验证,实验结果表明:本方法可取得95%的识别率。     

基于Gabor变换的微动目标微多普勒分析与仿真

由于目标微动特征信号具有非线性和非平稳的特点,为有效提取雷达目标的微动特征,为雷达目标的分类与识别提供依据,在单频信号体制下,以旋转散射点目标为例,基于时频分析的方法提取了旋转目标的微多普勒信息,通过仿真验证,得到了微动目标的微多普勒特征,比较了几种常见时频分析工具的变换结果及性能差异.仿真结果表明,Gabor变换方法在微动目标微多普勒提取方面是可行而稳健的,Gabor变换的巨大潜力将为微动目标特征识别提供新的途径.     

基于M-D特征和Duffing振子的车辆目标分类方法

针对低信噪比条件下履带式车辆和轮式车辆的分类问题,提出一种基于微多普勒(Micro-Doppler,MD)特征和Duffing振子的低信噪比条件下车辆目标分类方法.首先,基于窄带雷达对两类车辆目标进行回波建模,分析了两类车辆目标微多普勒特征的主要差异,然后利用Duffing振子系统检测微弱信号的性能优势,在低信噪比条件下基于Duffing振子实现了两类车辆目标较高精度的分类,最后基于实测数据验证了所提方法的有效性.     

融合全局与局部特征的UWB雷达人体动作识别算法

为了消除雷达信号中杂波和噪声对人体动作识别的干扰,提高小样本数据下动作识别的精度,在去除杂波及噪声干扰的基础上,提出一种融合全局与局部特征的超宽带（ultra-wideband,UWB）雷达人体动作识别算法。用动目标指示（moving target indication,MTI）结合自适应中值滤波对雷达原始回波信号进行预处理,再对人体动作的雷达二维特征图像利用主成分分析（principal component analysis,PCA）提取主要分量作为全局特征表征,并用二维离散小波变换（2D discrete wavelet transform,2D-DWT）结合奇异值分解（singular value decomposition,SVD）获取特征图像在不同方向与尺度划分下动作的局部特征表征,并将全局与局部特征进行串联融合;根据融合特征,在网格搜索算法（grid search,GS）优化的支持向量机（support vector machines,SVM）模型中实现人体动作的识别分类。实验结果表明,该算法能有效获取雷达信号中的人体动作信息,平均识别准确率为95.63%,具有良好的识别性能。     

基于机器学习的人体动作深度信息识别方法研究

为了实现人体动作的准确检测识别,提出基于机器学习的人体动作深度信息识别方法,构建人体动作的三维图像采集模型,建立人体动作三维重建图像的表面结构重构模型,结合模糊度特征提取方法对人体动作三维重建图像进行多尺度分解,采用三维空间结构重组的方法进行人体动作细节特征识别,建立人体动作图像的多维分割模型;采用机器学习算法进行人体动作的细节特征分类识别,建立人体动作深度信息的提取和分类模型,在机器算法下实现人体动作的深度信息检测和多维识别。仿真结果表明,采用该方法进行人体动作深度信息识别的准确度较高,特征分辨力较好,具有很好的人体动作信息检测和辨识能力。     

一种基于CSI的跌倒检测方法

针对传统人体行为识别方法系统搭建成本高、部署复杂且存在侵犯隐私等问题,提出一种使用商用Wi-Fi设备获取信道状态信息CSI进行人体行为识别与跌倒检测的方法.通过提取信道状态信息CSI中的幅度和相位特征作为基础信号,并使用功率谱熵作为新特征建立指纹库.采用基于人工鱼群算法AFSA修正的支持向量机SVM对动作进行分类识别,通过对SVM中的参数惩罚因子和核函数参数进行优化选择达到优化分类的效果.根据真实环境数据验证表明,平均识别率达到94.64%.     

采用同步挤压小波变换的人体运动姿态分析

针对人体运动的雷达回波信号特征复杂、不同运动姿态微多普勒频率差异小、难以区分精细特征的问题,提出了一种采用参数可调的同步挤压小波变换(SSTAP)的人体运动姿态分析方法。首先根据实测人体运动数据构建人体运动模型及其雷达回波模型;然后利用SSTAP方法对人体运动模型雷达回波信号进行分解,获得人体各主要部位的时频特征;再通过调整同步挤压小波变换的2个参数获得人体整体回波信号的具有最佳时频分辨率的时频特征,进一步与各部位的人体时频特征比较获得了人体运动姿态的信息。实验结果表明,相比广义S变换(GST)、小波变换(WT)等时频分析方法,基于参数可调的同步挤压小波的人体微多普勒分析结果更加清晰精细,更能反映人体微运动的特征,其微多普勒频率的分辨率比GST、WT分别提高了17%和14%。     

窄带雷达网弹道目标微动特征提取

目标微动特征是弹道中段识别的有效特征之一。针对单部雷达获取目标微动信息的局限性,提出了一种利用窄带雷达网进行弹道目标进动特征提取的方法。首先,建立了锥体进动模型和窄带信号模型,得到了散射点微多普勒表达式。然后,在锥体非理性散射点转化为理想散射点的基础上,通过频谱分析,实现了不同视角下散射点的匹配关联。最后,利用锥顶微多普勒信号对锥底进行补偿,在雷达视角方差最小时求得补偿系数。再联立2部雷达的微多普勒信息即可求出参数。仿真结果表明该方法能够精确提取微动参数和结构参数。     

基于EMD算法的空间自旋目标平动补偿与微动特征提取

针对微多普勒频率附加在空间目标高速轨道运动产生的多普勒频移上使微动特征提取更加困难这一问题,提出了一种利用EMD算法对空间目标进行精确平动补偿和微多普勒特征提取的方法。对空间自旋目标进行建模,推导了窄带雷达条件下空间目标的微多普勒效应,并分析了平动分量对微多普勒的影响;把目标回波分解成一系列本征模态函数(IMF),然后求出瞬时频率,利用经验模型分解(EMD)算法对瞬时频率进行分解,分析各分量的能量百分比判别平动频移分量,实现回波信号的平动补偿;对平动补偿后的信号利用 EMD算法分离出微多普勒曲线,提取微动特征。仿真实验验证了该方法的可行性与有效性。     

基于宽窄带微多普勒融合的锥体目标三维重构

目标三维特征包含更为精细的结构和微动信息,以锥体弹头为研究对象,提出了一种基于宽、窄带混合体制雷达组网的锥体目标三维重构方法。首先建立锥体目标进动模型,详细分析了目标在不同体制雷达回波中的微多普勒调制特性,然后,使用改进的viterbi算法和最小二乘法对各散射中心的幅相信息进行提取和估计,并通过灰色关联度分析实现非理想散射中心的匹配。在此基础上,构建宽、窄带微多普勒信息融合方程组,解算出锥体目标的进动和结构参数,进而确定目标空间位置,实现三维重构。仿真结果表明,在信噪比为5dB情况下,目标的三维重构精度在91%左右。     

基于深度卷积神经网络的弹道目标微动分类

针对传统弹道目标微动分类缺乏智能性及噪声条件下分类性能差的问题,利用深度学习的高维特征泛化学习能力,提出一种将深度卷积神经网络用于弹道目标微动分类的方法。首先,在建立弹道目标微动模型的基础上,分析3种微动形式下的微多普勒表示,并生成雷达回波信号的时频图,作为训练、验证及测试的数据集;然后,运用深度卷积神经网络中的迁移学习对AlexNet和GoogLeNet进行再训练;最后,利用训练后的网络实现3种微动形式下的目标分类,并研究信噪比对分类性能的影响。仿真结果表明,与传统的微动目标分类方法相比,该方法不仅智能化程度高,而且在低信噪比条件下分类准确性更强。     

Human Body Modeling and Posture Simulating Based on 3D Surface Scan Data

This paper presents a new approach for modeling the human body by considering the motion state and the shape of whole body. The body model consists of a skeleton kinematic model and a surface model. The former is used to determine the posture of the body, and the latter is used to generate the body shape according to the given posture. The body surface is reconstructed with multi-segment B-spline surfaces based on the 3D scan data from a real human body. Using only a few joints parameters and the original surface scan data, the various body postures and the shape can be generated easily. The model has a strong potential of being used for ergonomic design, garment design, virtual reality environment, as well as creating human animation, etc.     

直接线性变换法中标定对三维重构精度的影响

为研究直接线性变换算法中标定对三维重构精度的影响 ,对不同标定方法进行了分析探讨。并在此基础上研制了三维人体运动分析系统 ,进行了标定实验 ,取得了较为理想的测量结果。分析表明 :1)在三维测量中控制点应包含有效测量空间 ;2 )在测量空间内应尽可能多的均匀分布控制点。该三维人体运动分析系统经标定实验验证 ,测量相对误差小于 2 % ,具有较高精度     

基于双学习映射增量降维模型的人体运动形态估计

如何从二维的人体运动形态图像序列估计出三维的人体运动形态是一个热门的研究课题。这个项技术的实现需要建立复杂模型,设计复杂的训练算法,并且需要大量的人体运动形态样本进行训练。然而,利用目前的一些复杂模型和算法,估计三维人体运动形态会耗费很多时间,并且估计效果也不好。因此,要想得到更准确的估计结果还是比较困难的。对于这样的一个研究问题,提出基于双学习映射增量降维模型来实现三维人体运动形态估计,该模型可以从单视角的二维图像较好的估计出三维人体运动形态,缩短估计算法运行时间,并得到更准确的估计结果。     

基于人行为地图的室内PIR定位方法

针对老人家庭看护中的室内定位问题,提出了一种基于人行为地图的室内热红外释电传感器(pyroelectric infrared sensor, PIR)定位方法.首先采集PIR传感器检测身体运动信号来确定人在室内的初步位置信息;利用惯性测量单元(inertial measurement unit, IMU)检测3D加速度信号识别人在室内的基本日常行为——躺、坐、站、走;利用IMU的3D加速度信号估计人的室内移动速度和方向;通过行为习惯观察,建立相应的躺、坐、站、走的行为地图;通过粒子滤波方法融合上述传感器信息,实现定位.实验结果表明,提出的方法在定位时,既保护人的隐私,也提高基于PIR传感器定位的精度及稳定性.     

运动捕捉人工智能系统在速滑项目中的应用

为验证自主研发的人体运动自动捕捉人工智能系统在大范围运动场景下获得人体关节点三维坐标的有效性，在训练环境下对10名速度滑冰运动员的动作特征进行三维定点拍摄，使用该系统对录像进行自动解析，获得的三维坐标-时间曲线和专业研究人员人工解析曲线的多重相关系数均大于0.90，差值平均值小于0.025 m，验证了该系统在大范围运动场景下快速、精确获得人体关节点三维坐标的有效性。将该系统应用于我国顶尖速度滑冰运动员的动作技术分析，结果表明成绩差异主要来自蹬冰效果的不同，提示运动员应着重改善蹬冰动作，提高蹬冰效率。     

基于分块变化检测的人体肢体运动跟踪

人体运动跟踪是基于视频的人体运动分析的关键技术之一.提出了一种新的人体肢体运动的跟踪方法,通过基于分块的帧间变化检测和二维人体块模型检测出人体运动区域,利用背景统计的技术从累积的帧差信息中构建出完整的背景区域,进而从运动区域中提取出头部和四肢的区域,通过区域形状分析确定各肢体区域的位置信息,从而判断出关节点的位置.实验证明,该方法可以对人体肢体的大幅度运动进行跟踪.     

Content-based similarity for 3D model retrieval and classification

With the rapid development of 3D digital shape information, content-based 3D model retrieval and classification has become an important research area. This paper presents a novel 3D model retrieval and classification algorithm. For feature representation, a method combining a distance histogram and moment invariants is proposed to improve the retrieval performance. The major advantage of using a distance histogram is its invariance to the transforms of scaling, translation and rotation. Based on the premise that two similar objects should have high mutual information, the querying of 3D data should convey a great deal of information on the shape of the two objects, and so we propose a mutual information distance measurement to perform the similarity comparison of 3D objects. The proposed algorithm is tested with a 3D model retrieval and classification prototype, and the experimental evaluation demonstrates satisfactory retrieval results and classification accuracy.     

基于堆栈稀疏自编码器和微动特征的身份认证技术

从人体目标雷达回波数据中提取可分性较好的微动特征是实现目标分类的关键。针对传统谱图结构特征无法对体型相似的人体目标精细识别,提出了基于堆栈稀疏自编码器的人体身份认证方法。首先构造堆栈稀疏自编码器网络,利用人体微动数据进行无监督预训练,在不同层提取人体微动特征,然后将得到的特征输入softmax分类器进行有监督训练,用交叉验证调整网络参数,最后用训练好的网络进行人体目标分类。在不同人走路实测数据集上,3人平均识别率达到了83%,优于提取谱图结构特征分类的方法。     

基于三维重建的人脸姿态估计

人脸姿态估计是计算机视觉及人脸识别领域的一项关键研究内容.将三维模型应用于估计人脸图像姿态参数,提出了基于三维重建的人脸姿态估计算法.根据人脸正面图片上的特征点计算出形状参数,实现三维人脸重建.基于三维人脸模型,由姿态图片上提取的特征点信息推知等姿态下模型上对应特征点的信息,针对照模型正面姿态,运用线性回归估计姿态参数.实验表明,重建的三维人脸具有较好的真实感,在较大的姿态变化范围内,该方法也能够取得较好的估计精确并具有鲁棒性.