基于支持向量机的人脸姿态判定

对于多姿态人脸检测中的姿态判定问题,提出了一种基于支持向量机(SVM)的人脸姿态判定算法。将人脸姿态划分成6个类别,从一个多姿态人脸库中手工标定出1800幅人脸图像作为训练样本集,分别训练基于支持向量分类(SVC)和基于支持向量回归(SVR)2种姿态分类器。另外标定出300幅人脸图像作为测试样本。SVC方法和SVR方法分别取得了1.67%和3.33%的分类错误率。其中SVC方法的分类效果明显优于在传统方法中效果最好的人工神经元网络(ANN)方法(分类错误率为3.33%)。对比实验结果表明,SVM方法对于解决姿态判定问题是很有效的。     

基于室内定位技术的人体姿态识别方法

独居老人摔倒等姿态检测是当今备受关注的问题.基于机器视觉的方法存在隐私侵入,成本高和实现过程复杂等问题,而基于加速度传感的方法对静止姿态识别存在困难.为此提出一种基于室内定位技术的老人姿态检测方案.首先在人体关键节点安装可穿戴接收标签,然后采用超宽带UWB测距方法,实现人体关键部位的定位和跟踪.在姿态估计算法中,分别采用最小二乘和改进的扩展卡尔曼滤波算法来抑制噪声,提高定位精度.仿真实验表明,改进的扩展卡尔曼滤波算法误差较小,可以较好地识别老人摔倒等姿态信息.     

一种改进的行人导航算法研究

目前大多行人导航系统的研究都以手持手机、绑在腰间等单一姿态为前提,并未考虑行人使用手机过程中同时存在接电话、放在上衣口袋等多种姿态的情况.分析了行人使用手机的4种常见姿态,基于行人航迹推算(pedestrian dead reckoning,PDR)算法设计了一种改进的行人导航算法.利用神经网络(back propagation,BP)模型对手机姿态进行智能识别,设计了一种新的步态检测算法来对多姿态下的步态进行有效检测,并将行人行走过程分为单一姿态与姿态切换过程,对2个过程的航向进行了修正.软件测试结果表明,多姿态下实现系统定位精度在20‰以内,达标率在85％以上,应用于导航系统能够提供准确、可靠、持续的位置信息.     

一种基于卡尔曼滤波器的智能手机姿态估算算法

利用内置陀螺仪估算姿态可实现基于智能手机的惯性导航系统,但测量噪声导致姿态无限漂移,使得基于智能手机的惯性导航系统具有一定的局限.根据该不足,提出一种基于卡尔曼滤波的姿态估算算法,通过融合陀螺仪的姿态估算结果和加速度计的测量结果得到高精度的智能手机姿态,并利用集成在智能手机的惯性导航算法得到参考姿态,避免使用较昂贵的测量设备.首先介绍了一种智能手机和内置惯性传感器的初始参数,用于计算智能手机的姿态.然后比较了6次从自由落体到静止和绕x轴缓慢旋转360°场景时智能手机的参考姿态、基于陀螺仪的估算姿态和基于推荐算法的姿态.实验结果表明基于推荐算法的智能手机姿态精度最高且没有漂移现象,该结果论证了本工作对提高智能手机姿态的精度具有可行性.     

四区间双插值捷联惯姿算法

提出一种减小捷联惯导系统姿态算法误差的运算方法,该算法运用拉格朗日插值逼近载体系下角速率和姿态四元数,通过求解四元数方程组实现姿态更新.本文在典型圆锥运动和规则进动下,将该算法与常见的四子样旋转矢量算法进行了仿真对比,结果表明,新算法能有效提高姿态求解精度.     

基于卷积神经网络的单幅图像室内物体姿态估计

单幅图像的目标检测和物体姿态估计一直是计算机视觉领域中非常重要的研究内容.利用卷积神经网络对单幅室内场景图像进行研究分析,提出了一种基于卷积神经网络的单幅图像室内物体姿态估计算法.该算法采用直接分类预测的方法来实现物体的姿态估计.通过改进Faster-RCNN网络结构,利用室内场景数据集SUNRGB-D训练网络,实现端到端单幅室内图像目标检测和姿态估计.实验结果表明,该算法目标检测平均准确度为70%,姿态估计结果中平移估计准确度为28%,旋转角度估计准确度为30%.     

基于路径信息比较的图同构新算法

为了在多项式时间内解决图同构问题,首先证明了2个同构图相等长度的路径信息必相同是图同构判定更为严格的必要条件.然后,根据此条件,提出了一种基于路径信息比较的图同构PIC算法.该算法依次比较各长度的路径信息,对邻接矩阵进行调整,从而实现了2个图的快速同构判定.为了减少路径信息的计算时间,引入Hash函数对PIC算法进行改进,从而得到了HPIC算法.实验结果表明,所提的2种算法均能够正确判定1×104对不同类型、不同大小的随机图是否同构,并且图同构判定的时间复杂度明显降低.HPIC算法的运行速度快于PIC算法;这2种算法在时间性能方面均优于CS算法,略劣于Nauty算法;但对于规则2维网孔图,Nauty算法失效,所提的2种算法则仍能快速进行图同构判定.     

视频人脸识别系统中的最佳人脸捕获

基于视频的自动人脸识别系统自动选取用于后续识别的最佳人脸图像.设计并实现了一个最佳人脸捕获模块,该模块主要由人脸检测、人脸跟踪和姿态判定环节组成.在实现对视频中的人脸进行检测和跟踪的基础上,可自动截取并保存一张大小合适、清晰度高且姿态最佳的人脸,用于后续的人脸识别.     

虚拟角色动作编辑及运动控制

为了直接利用虚拟角色表面模型进行动作编辑及运动控制,提出了一种通用的虚拟角色骨骼建模及运动控制方法.该方法通过对分块的虚拟角色表面模型进行边缘判定、关节点计算、最顶块确定,然后按层次连接各关节点生成虚拟角色骨骼模型.在此基础上根据虚拟角色行走运动模型和运动约束关系,研究了基于参数关键帧技术的运动过程动画制作、不同运动间自动插补动画的动作平滑过渡技术以及利用动作幅度权值对动作姿态的调整技术.最后,采用实时控制和路径点控制2种方式进行了虚拟角色在虚拟场景中的运动控制,取得了较好的实现效果.     

基于稀疏编码和机器学习的多姿态人脸识别算法

为改善多姿态人脸识别效果, 设计一种稀疏编码和机器学习相融合的多姿态人脸识别算法. 首先对多姿态人脸进行采集和预处理, 并提取基于稀疏编码的人脸图像特征; 然后采用主成分分析对特征进行处理, 降低多姿态人脸识别的特征维数, 提高多姿态人脸识别效率; 最后采用机器学习算法中的支持向量机建立多姿态人脸识别 分类器, 并采用标准人脸数据库和多姿态人脸数据库对算法性能进行验证. 验证结果表明, 该算法可有效提高多姿态人脸识别正确率, 大幅度减少多姿态人脸的平均识别时间, 取得了比对比算法更优的识别结果, 从而验证了该算法的优越性.     

基于Probit的犯罪嫌疑人判定方法研究

为了在涉案人群中实现计算机识别犯罪嫌疑人,协助办案并提高办案效率,提出了一种基于Probit模型的犯罪嫌疑人判定技术.采用聚类的分离算法、关联算法以及Probit模型的显著性水平参数发现重要属性,通过对重要属性提取后的数据进行训练得到犯罪风险判定模型.实验结果表明,该方法对嫌疑人判定的平均准确率达到90.5%,平均查全率达到92.7%,判定效果较好.     

基于模糊算法的AUV避障与姿态控制

为了实现水下机器人(autonomous underwater vehicle,AUV)在水下的避障与姿态的稳定控制,提出了一种基于模糊算法的避障与姿态控制算法.通过分析AUV在水下的水平面和竖直面状况,分别构造满足其水平面和竖直面避障和姿态控制的模糊算法,并设计了相应的控制系统.设计的控制系统主要由2个模糊控制器组成,通过模糊控制器输出AUV的左、右和下潜加速度,利用模糊逻辑系统对其速度进行逼近,并利用AUV的速度信息实现AUV水平面和竖直面的避障与姿态的控制.通过在不同位置放置障碍物构建模拟场景,采用Matlab进行仿真试验.仿真结果表明,设计的基于模糊算法的避障与姿态控制方法能够满足设计要求.     

基于炉膛火焰图像处理的工业锅炉炉膛平均辐射能的计算机算法

初步建立一种基于工业锅炉燃烧火焰图像处理工业锅炉炉膛平均辐射能的计算机判定算法,从理论和实现等方面讨论上述算法的可实现性和可操作性.     

基于惯性传感器与WiFi的室内行人轨迹推算

为了实现室内无GPS情况下行人的运动轨迹推算,设计了一种基于智能手机惯性元件和WiFi的室内行人轨迹推算算法.该算法基于粒子滤波,利用手机加速度计和陀螺仪进行步态检测和每步旋转角度推算,并使用了一种基于WiFi强度变化趋势的WiFi地标策略.实验结果显示,使用该算法优化后的行人轨迹收敛,接近真实的运动轨迹.在仅使用惯性传感器和WiFi的情况下,可以有效地控制陀螺仪误差积累,完成固定手机姿态的行人轨迹推算.     

基于超分辨率重构的航天器位置姿态测量方法

航天器间相对位置和姿态的确定是实现航天器编队飞行的重要基础.为了解决航天器相对位置姿态的远距离测量精度问题,该文提出了基于超分辨率重构技术的测量方法.介绍了由单帧图像求解相对位置姿态的测量原理,研究了图像传感器退化成像模型和基于该模型下的图像配准算法,给出了超分辨率图像重构算法及其算法流程.利用地面试验原型系统的实际测量数据对算法进行了验证,试验结果表明该方法大大提高了高精度测量距离的范围,有效解决了航天器间相对位置姿态的远距离测量精度及稳定性问题.     

机器人自主抓取的三维点云基本形体简化算法

针对抓取任务的非结构化特性,提出一种基于非规则物体三维点云的基本形体简化算法,为抓取策略的选取提供思路,提高机器人自主抓取的准确率.将不规则的复杂物体简化为由基本形体组成的简单物体,基于三维网格分割算法将物体3D数据点进行分割,依据最优拟合算法将分割后各部分拟合为球体、椭球体、圆柱体和平行六面体中的一种,实现对复杂物体的简化.实验结果表明:本文算法可应用于不同形状及姿态的非规则物体抓取,具有较高的鲁棒性.     

基于自适应平方根UKF的微机械传感器融合航姿估计

提出一种新的基于自适应平方根UKF的微机械传感器组合姿态测量系统.该系统采用3轴微机械陀螺积分得到姿态角,采用3轴微机械加速度计测量重力矢量得到俯仰角和横滚角,分别校正俯仰漂移和横滚陀螺漂移;采用磁强计得到航向角,并与陀螺积分角度融合校正航向陀螺漂移.跑车实验结果表明,基于自适应平方根UKF算法可实时估计机动加速度干扰,并在融合滤波器中进行补偿,能够有效去除车辆机动加速度干扰,姿态角估计精度在±0.6°以内.     

基于改进扩展卡尔曼滤波的爬架运行安全姿态估计

为了实时准确的获取爬架运行时的姿态信息，提出了一种基于改进Sage-Husa扩展卡尔曼滤波算法（ISHEKF）的爬架姿态估计方法。首先建立了爬架姿态估计模型，然后在扩展卡尔曼滤波（EKF）对传感器进行融合滤波时，加入Sage-Husa扩展卡尔曼算法（SHEKF）对时变噪声进行调节，再以协方差匹配技术对Sage-Husa进行滤波发散判定，通过在调节因子中引入爬架实时运动速度，改进滤波发散判定依据，从而满足爬架运行时高精度的滤波要求。实验结果表明：静态实验中以横滚角为例，ISHEKF的最大误差较SHEKF减少了21.9%，较EKF最大误差减少了70.8%；动态实验中ISHEKF表现出更好的稳定性和滤波精度，能够准确反映爬架运行的状态变化。     

9轴MEMS-IMU实时姿态估算算法

随着对微机电系统-惯性测量单元(micro-electro-mechanical system-inertial measurement unit, MEMS-IMU)在室内定位、动态追踪等应用领域中的需求日益迫切, 使得具有高精度、低成本和实时性的MEMS-IMU模块设计成为研究热点. 针对MEMS-IMU的核心技术--姿态估算进行研究, 设计了一种基于四元数的9轴MEMS-IMU实时姿态估算算法. 该算法运用分解四元数算法处理加速度和磁感应强度数据, 计算出静态四元数; 通过角速度与四元数的微分关系估算动态四元数; 运用卡尔曼滤波融合动、静态四元数, 进而实现实时姿态估算. 针对分解四元数算法中存在的奇异值问题, 提出了转轴补偿方法对其修正, 以实现全姿态估算; 考虑动态情况下的非线性加速度分量对姿态估算精度的影响, 设计了R自适应卡尔曼滤波器, 以进一步提高姿态估算算法的精度. 验证结果表明, R自适应卡尔曼滤波器能够有效抑制加速度噪声, 提高姿态估算精度; 同时, 转轴补偿-分解四元数算法能够准确估算奇异值点的姿态信息, 并且计算时间仅为原“借角”补偿方法的50%左右, 有效提高了整体算法的实时性.     

基于四元数的捷联惯导惯性系晃动基座自对准算法

为提高捷联惯导系统在晃动基座下初始对准的快速性和精度,提出了一种基于四元数的捷联惯导惯性系晃动基座自对准算法.该算法利用惯性坐标系下的姿态更新来实时地反映载体在晃动干扰下的姿态变化,通过四元数推导将初始姿态的最优估计转化为Wahba姿态确定问题,以消除角晃动干扰的影响;并根据惯性系下重力矢量和晃动干扰加速度不同频的特点,引入小波阈值消噪以消除线振动干扰的影响,从而提高算法在晃动基座下的对准精度.仿真结果表明,该算法不需要进行粗对准,具有角晃动干扰隔离能力和线振动干扰抑制能力,能够实现晃动基座下的快速、精确自对准.