基于手机多源传感器的室内火灾行人行为识别

针对室内火灾情境下人员安全的有效监控问题,提出了一种基于手机多源传感器的室内火灾行人细粒度行为识别与匹配方法.借助手机内置多源传感器完成对行人当前表征行为特征的数据采集,在异常子序列探测后提取行为特征向量,利用基于关键点序列的动态时间规整(Key-DTW)算法或者相应训练成型的分类模型分别对特征各异的行为进行匹配、理解;并对不同传感器组合方式和不同设备位置的识别能力进行比较;最后,综合识别结果进而分析行人当前生理、心理、位置状态,为室内应急救援工作提供决策信息.经模拟试验验证,该方法不仅能够对行人应激性细粒度行为有较高的识别准确率,对于持久性的动作也有着很高的匹配精确性和效率.     

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.     

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。     

基于加速度信号几何特征的动作识别

根据人行为动作的特点,提出了一种基于加速度信号几何特征的层次识别算法以识别多种人的行为,例如:步行、下楼、上楼、跑步等.所分析的数据由绑在人体胯部的加速度传感器在实际环境中采集.该算法利用加速度信号的几何特征(周期,波峰值,波谷值)和信号的物理意义(如各方向的能量分布),所选取的特征对个人依赖较小.识别的过程采用了分层识别算法.该算法识别速度快,准确率高,在实际应用中取得了较好的效果.大量的实验表明,该算法对动作的识别正确率在80%以上.     

基于深度学习的应急手势识别算法研究

本文提出了一种基于深度学习的应急手势识别算法.首先采用深度图像传感器做手势分割获取应急手势数据集,其次采用肤色分割算法和本文提出的应急手势识别算法做实时性测试.与常规算法不同的是,本文构建了一个应急手势数据库,并建立了深度卷积神经网络模型,提出了7种应用于多种场景的应急手势识别算法.实验结果表明,本文应急手势识别算法优于现有的机器学习算法,识别率达99.95%,可广泛应用于人机交互场景.     

基于空间聚类的FMCW雷达双人行为识别方法

为实现双人场景下人体行为的识别,利用调频连续波(frequency modulated continuous wave, FMCW)雷达提出一种基于空间聚类的双人行为识别方法.该方法采用基于密度的DBSCAN(density-based spatial clustering of applications with noise)聚类算法将FMCW雷达采集到的坐标数据聚类成不同的聚类群,使得每一个聚类群对应于单一人体的行为,再对其进行数据处理、特征提取后分别采用机器学习方法分类,实现双人场景下人体行为的识别.文中分析行为特征量、动作关键点以及分类器对识别准确率的影响.实验结果表明,在两人场景中该方法对跌倒、坐下和行走的检测准确率分别可以达到100%、 93.8%和87.3%.     

基于多传感器数据融合的室内定位算法

基于惯性测量单元(IMU)的定位方法是一种全自主定位方法,该方法通常是基于单个IMU(Single-IMU)实施定位,其具有较大的漂移误差和累积误差.因此,提出了一种基于多个可穿戴式IMU(Multi-IMUs)与室内无线传感器网络(IWSN)的多传感器数据融合的室内定位算法,根据佩戴于不同部位的Multi-IMUs信息协同,提高人体姿态检测的有效性,并且利用模糊投票机制(Fuzzy Voting Scheme)融合Multi-IMUs位置信息;此外,结合IWSN,采用卡尔曼滤波算法(Kalman Filter Algorithm)融合IWSN解算出的位置信息与Multi-IMUs计算出的位置信息降低基于IMU的累积误差.实验结果表明,所提出的基于多传感器数据融合的室内定位算法能够识别出行走的姿态,与基于Single-IMU的定位算法相比,该算法有效地降低了累积误差和漂移误差,提高了室内定位的有效性和可靠性.     

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％.     

基于卷积神经网络和迁移学习的结构损伤识别

针对传统基于机器学习损伤识别方法手工提取特征适应性差、识别能力弱等问题,提出一种基于卷积神经网络和迁移学习的新颖、快速结构损伤识别方法.首先根据损伤特征向量特点,提出原始信号的分帧处理流程;其次考虑多传感器数据融合要求,建立多通道一维卷积神经网络结构损伤识别模型,给出模型的整体流程和网络参数;然后采集不同通道和不同噪声水平下,模拟不同位置程度损伤的15层框架数值模型加速度数据,进行损伤识别;最后将网络模型进行迁移学习,对7层框架模型试验进行损伤识别,并验证所提方法的可行性、准确性和计算复杂性.结果表明,该方法实现了特征自适应提取、损伤位置和损伤程度的精准识别,具有突出的计算效率.     

基于机器学习的精准定位系统

针对开阔空间中移动目标的定位技术,如卫星定位技术,存在的易受环境影响、定位误差较大的问题,以及室内定位技术,如超声波、WiFi网络和无线传感器网络等,存在的灵活度较低、成本较高的问题,提出一种基于机器学习的精准定位系统(PPS-ML)．该系统包括实景GIS(地理信息系统)服务器、图像训练服务器、定位服务器和无线摄像机,其中：实景GIS服务器存储设定空间内的三维地理信息和与之对应的实景图像库;图像训练服务器通过改进后的VGG-Net进行区域机器学习,训练图像分类器,并生成位置识别模型,传入定位服务器;定位服务器通过卫星定位系统粗略定位目标所在区域,然后根据该区域的位置识别模型对无线摄像机采集的图像进行识别,实现精准定位．结果表明：该系统达到了室内1.5 m和室外3 m的定位精度,且能实现8个方向的识别．     

汽车内儿童乘员致伤原因研究方法

基于平均加速度理论,采用PC-Crash与MADYMO软件建立了典型儿童乘员交通事故的模型,通过耦合计算获得儿童假人的动态响应和伤害程度,结合尸检报告定性分析了儿童乘员的致伤机理.     

儿童乘员车内滞留热伤害研究

基于上海机动车检测中心和同济大学儿童乘员车内安全联合项目.为了研究儿童乘员在乘用车和校车车内可能受到的热伤害,通过车内温度试验,得到了不同环境温度下乘用车和校车车内温度变化数据,研究了打开车窗、车身颜色、内饰颜色对乘用车车内温度变化的影响.     

车辆防护座椅性能及缓冲吸能器性能分析

抗爆炸冲击座椅广泛应用于我国军用车辆,其缓冲吸能组件特性直接决定座椅防护性能的优劣。为使乘员损伤达到最小,针对某型军用车辆在底部爆炸环境下乘员防护性能进行研究。通过实车底部爆炸试验获取的座椅安装点冲击信号,利用座椅冲击试验台测量不同参数缓冲吸能组件载荷-位移特性,通过有限元模型对试验进行验证和优化。以AEP55乘员伤害准则为目标,研究某军用车辆座椅防护性能提升方法。结果表明,改进后的缓冲吸能组件载荷-位移特性曲线能够显著降低乘员损伤并充分利用座椅行程。为后续座椅缓冲吸能组件设计优化提供导向。     

基于乘员运动的事故再现

为了向交通事故再现提供新的依据,研究了动量冲量法与多体动力学法结合的乘员运动仿真,提出了两类算法的耦合方法.将该方法应用到真实交通事故,依据乘员被抛出车外后的落点位置进行事故鉴定.建立了包括车辆、乘员、地面在内的全三维多刚体仿真模型,以等效加速度脉冲代替碰撞冲击信号,再现乘员的车内和车外运动,并分析动量交换时间对鉴定结果的影响.将仿真结果与法医鉴定结果比较,初步验证了该模型和方法的可行性.     

小腿摆放位置对航空座椅乘员损伤的影响研究

在飞机坠撞事故中,乘员采取合理的坐姿能有效降低冲击伤害。为了分析水平16g动态冲击下小腿摆放位置对乘员损伤的影响,以某型三联航空旅客座椅为研究对象,建立双排航空座椅/乘员约束系统有限元模型,并开展全尺寸滑台试验以验证模型准确性。结果表明在相同工况下,50th百分位假人采用小腿后曲的坐姿与小腿直立坐姿相比,降低了股骨损伤和颈部损伤,但增加了头部损伤。95th百分位假人采用小腿直立的坐姿与小腿前伸坐姿相比,降低了股骨损伤,但头部损伤和颈部损伤增加。研究结果可为不同体型乘员采用相对更安全的坐姿提供参考。     

汽车前撞事故中前排乘员下肢防护

针对在乘员约束系统情况下下肢损伤越来越频繁的情况 ,提出了下肢损伤最频繁的部位 -脚踝部的损伤机理 ;通过试验验证修正的假人下肢的数学模型 ;并依据损伤机理 ,提出了下肢防护的措施 :安装限力吸能式制动踏板 ,进而采用经过验证的数学模型对其进行解析研究 ,证明了其有效性     

正面碰撞中乘员及约束系统运动响应的计算

运用PAM -SAFE系列软件对正面碰撞的人体在约束系统作用下的运动响应进行仿真 ,建立了包括安全带系统、气囊、仪表板、座椅、人体等完整的约束系统模型 ,并将仿真结果与试验数据进行验证 ,表明该仿真达到了较高的精度 .另外 ,提出了影响模拟精度的 2个值得注意的问题 :人体上肢与车舱内部件碰撞接触和模拟计算输入的车舱内部空间减速度曲线 ,并证实了B柱减速度曲线替代车舱内部空间减速度曲线的可行性 .     

基于代理模型的汽车乘员约束系统仿真设计

为在设计过程中有效减少轿车乘员约束系统的设计参数,并快速优化轿车乘员约束系统的安全保护性能,采用一阶线性响应表面模型和D-最优试验设计方法进行约束系统设计变量的筛选,对筛选后的变量应用Kriging代理模型和均匀试验设计方法进行设计参数的仿真优化,将优化结果与直接使用碰撞仿真软件MADYMO计算得到的结果进行对比.研究表明,一阶线性响应表面模型和D-最优试验设计方法能有效筛选出重要的并对约束系统性能具有决定作用的设计变量,而Kriging代理模型和均匀试验设计方法能在选定的设计变量的基础上,快速取得较好的优化设计结果.     

基于正交试验的儿童安全座椅约束系统参数的优化设计

轿车内儿童乘员在正面碰撞中是最容易受伤的群体。儿童乘员约束系统的优化对于保护儿童有重要意义。在正交试验设计原理的指导下,利用MADYMO软件,按照美国FMVSS 213和欧洲ECE R44法规要求进行模拟仿真。对单因素进行分析,再通过正交试验的方法进行优化,得到了最佳的优化方案。实现了对该儿童乘员约束系统较全面可靠的评价。     

某军车滚翻乘员损伤研究

为研究特种军用车辆在斜坡滚翻过程中驾驶员及副驾驶员运动姿态,确定乘员损伤评价及评价指标,本文针对某型战术车辆,采用有限元分析方法,放置Hybrid III型有限元假人模型,通过LS-dyna有限元求解平台实现驾驶员不同滚翻方向边界条件下的车辆侧翻过程仿真,从而得到整车滚翻过程中乘员运动状态及各部位损伤值并进行比较,确定乘员损伤评价指标。