基于深度中心匹配哈希网络的足迹压力图像检索

以赤足足迹压力图像为研究对象,采集了40人的5 230幅赤足足迹压力图像,在具有较低存储消耗的哈希算法基础上,结合深度学习方法设计了一种深度中心匹配哈希(DCMH)网络实现足迹的检索．该网络首先根据足迹压力图像的特点构建深度特征融合模块,提取反映足迹形态结构的全局特征和压力分布的局部特征,并将两种特征进行融合;然后在哈希编码模块通过全连接层将融合后的特征映射为1 024维特征向量,并通过哈希层生成哈希码;在网络优化过程中通过构建深度中心匹配损失函数从而减小哈希码与对应哈希中心之间的距离．深度中心匹配损失函数通过伯努利分布生成哈希中心,设计对数中心损失函数减小同类足迹压力图像数据哈希码与哈希中心的距离,并设计相似性损失函数作为正则化项约束每个批次数据间的相似性关系．通过在40人的赤足足迹压力图像数据上进行图像检索实验,本文算法检索结果的mAP可以达到0.99,优于传统的哈希算法及常用的深度哈希算法,为足迹的进一步的现场应用提供技术支撑．     

一种帕金森患者行走步态的非线性特征分析

鉴于医师对帕金森患者病情严重程度的诊断存在一定的主观性,使其无法对患者进行更加有效的治疗,提出一种基于帕金森患者行走步态的非线性特征的客观定量分析方法.利用去趋势波动分析法和重复周期密度熵,对正常青年人、正常老年人以及老年帕金森患者的行走步态信号中的地面反作用力信息进行定量非线性分析,然后将所提方法的参数与传统时域参数进行相关性对比分析.实验结果表明:帕金森患者与正常人相比较,二者的步态信号在稳定性、长程相关性和重复周期性方面均有显著差别.研究结果能为帕金森患者病情的分级评估以及诊断康复,提供一种简单有效的指导方法.     

基于注意力双分支网络的跨模态足迹检索

为了提高跨模态足迹检索精度,提出一种基于注意力双分支深度卷积神经网络的检索方法.该方法以赤足足迹的光学和压力2个模态图像为研究对象,采集并构建了一个包含138人5520幅足迹图像的跨模态检索数据集;在网络的特征提取模块采用ResNet50作为基础网络搭建双分支结构,并引入空间注意力机制,以提取各模态具有辨别性的特征;在网络的特征嵌入模块,通过部分参数共享学习跨模态共享空间;在双约束损失模块采用交叉熵损失(ID loss)和异质中心损失(HC loss)以增大跨模态足迹特征的类间差异,减小类内差异.实验结果表明:互检索模式下的平均精度均值(mAP)均值和Rank1均值分别为70.83％和87.50％,优于其他一些跨模态检索方法.采用注意力双分支网络模型能够有效进行跨模态足迹检索,可以为现场足迹对比鉴定等应用提供理论基础.     

帕金森患者行走能力评估系统

该系统可应用于柔性阵列压力传感器搭建的S型步态通道平台,采集帕金森患者动态足底压力分布数据,并通过以太网传输至PC机进行分析。对患者足底压力数据依次进行数据去噪、聚类分割、脚型识别、参数提取等处理,获取患者详细的步态时空参数,运用模糊分类方法对数据进行分类评估。实验结果表明：该分类方法具有较高的分类准确率（93％）,该系统能够有效地实现帕金森患者行走能力的评估。     

基于门控双卷积神经网络的机动车发动机故障检测

采集并构建一个包含正常和故障机动车发动机的声信号数据集，提出基于门控双卷积神经网络的机动车发动机故障检测方法.在门控卷积神经网络基础上设计门控双卷积神经网络.对比不同方法的实验结果可知：支持向量机(support vector machine,简称SVM)方法的检测准确率最低，该文方法的检测准确率最高；对声信号进行加噪和调音时，该文方法表现出好的鲁棒性.