基于单加速度传感器的实时动作识别系统

基于加速度传感器的人体动作识别在人机交互领域具有重要意义,为人机提供一种自然、真实的交互方式。本文实现了一种基于单轴加速度传感器的动作识别系统,将一种基于窗口特征的动作识别算法固化在嵌入式处理器中,便于在多种人机交互场合中使用。实验结果表明,该系统能够快速、有效的识别跑步、蹲下、起立、跳跃等基本动作,平均识别率达到94%以上。在虚拟训练、游戏控制等人机交互的场合,该系统具有重要的应用价值。     

基于手机加速度传感器的步态识别

步态识别是一种新兴的生物识别技术。智能手机的三轴加速度传感器测量人行走时的步态数据可用于步态识别。本文研究不同场景对步态识别的影响,参与数据采集有18个人,场地分为实验室的走廊和室外红砖场地,特征值包括频域征值与时域特征值。当步态识别的测试集和训练集来源于不同的场地时,用支持向量机检测识别的准确性。实验结果表明,当测试集和训练集来源同一场地时,步态识别的准确性较高,可达到94%。而对于数据来源于不一样的场地,准确性较差。主要的原因是场景变化,人行走的步态模式发生了变化。     

基于小波包和RBF神经网络的压电加速度传感器故障诊断

根据压电加速度传感器故障的特点,提出运用小波包变换和RBF神经网络的故障诊断方法。首先运用小波包分解和重构原理将传感器输出信号分解到不同频段中,提取每个频段的能量作为状态监测的特征向量,作为RBF网络的输入,然后利用最佳的RBF神经网络进行压电传感器故障分类。实验结果表明该方法具有良好的非线性跟踪能力,较高的诊断准确率。     

基于人体骨架特征学习的动作识别

动作识别是计算机视觉研究中的一个基本但具有挑战性的问题.在过去的几年中,许多基于RGB视频的识别技术已经得到了巨大的发展,并取得了显著的成果.但是,处理RGB视频可能非常耗时.其中,在动作识别领域,人体骨架数据具有轻量级的特点,同时对人体外观、环境背景等信息具有不变性,因此,这种数据模态受到了越来越多的关注.然而,基于人体骨架的动作识别面临两个问题:人体骨架数据的噪声问题和数据标注的依赖问题.噪声问题是指骨架数据中存在噪声影响数据的准确性,而数据标注依赖问题则是指在监督学习中,需要大量的标签数据进行训练.本文针对人体骨架数据在采集中的噪声问题,提出了一种基于噪声适应的动作识别模型,设计了回归模型和生成模型充分利用不同场景下的噪声数据特点.并且针对人体骨架数据过于依赖标签数据,利用自监督学习方法,提出了一个基于多任务自监督学习的动作识别方法.     

基于深度卷积神经网络的人体动作识别

针对人体动作识别问题,提出一种基于智能手机加速传感器数据并运用深度卷积神经网络进行分类识别的方法,可以有效地分类人体的走、坐、躺、跑、站五类动作.该方法模型由输入层、两层卷积层、两层池化层、一层全连接层和输出层组成,使用滑动窗口折叠法将传感器数据变换为类似于三通道的RGB图像格式,自动提取加速传感器数据的特征,对各个动作进行分类,免去了传统方法繁琐的特征提取工程.该方法在Actitracker开源数据库上达到了0.912 6的识别率,验证了该方法的可行性.     

基于单三轴加速度传感器的人体活动状态识别

针对当前人体活动状态识别方法中存在传感器种类繁多、识别算法复杂、可实施性差、实时性差等问题,提出一种基于单三轴加速度传感器的人体活动识别算法.通过采集人体腰部的加速度数据,运用滑动时间窗方法进行时域特征的提取,采用基于阈值的分类方法对特征进行处理,识别出四种活动状态:长期剧烈活动状态,长期静止状态,跌倒状态,正常活动状态.该方法使用的传感器种类少,软硬件复杂度低,易于实施,便于携带.经过测试,该算法的平均响应时间小于1s,平均准确率达到99.3%,证明了该算法的实时性与有效性.     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

基于Radon变换的多尺度虹膜识别算法

针对现有虹膜识别算法需要处理二维纹理信息,特征提取时间长,对噪声干扰比较敏感等问题,提出了基于Radon变换的多尺度虹膜识别算法.首先利用Radon变换将二维虹膜纹理信息转换为一维纹理信号,然后使用小波变换多尺度能量算子提取虹膜的特征信息,最后利用相异度函数进行匹配判别.实验结果表明,算法具有运算简单,快速等优点,同时算法能够较好地克服图像平移、缩放、旋转等几何攻击对识别带来的不利影响,具有较强的抗干扰能力和较高的识别率.     

基于小波变换的纹理识别

利用小波变换在时、频域同时具有良好的局部化性质,提出由小波变换得到的多分辨率表示来进行纹理识别.通过对肝脏B超图象进行分类,结果表明,本文提出的方法具有分类精度高的特点.     

基于小波变换的实时信号噪声快速识别

在火箭飞行过程中，常常需要对火箭位置和飞行姿态进行实时处理，这必须以准确的飞行测量数据为基础。但在测量到的火箭飞行数据中往往伴随着大量噪声，如何快速有效地识别这些噪声成为关注的焦点。针对该课题给出了一种基于小波方法的实时信号所包含噪声的在线快速识别算法，能大大减少小波变换的计算量，其时间复杂性为常数，并在采集实时信号的同时快速识别出信号包含的噪声。实用证明该算法处理这类问题的效果好，充分满足了实时性要求，并能处理其它领域中的实时测量数据。     

基于几何特征的动态人脸识别

针对当下人脸识别算法复杂、实现困难,提出了一种基于几何特征的动态人脸识别算法.该算法首先进行人脸特征的定位,以反馈形式为基础,提高其准确率.同时对数据采集功能进行了改进.对同一用户采用了不同时刻下的10张图片,减小特征定位引起的偶然误差,提高了识别速度的同时也降低了误识率.     

融合统计和几何特征的运动意图识别方法

考虑到完全由离散统计特征构成的特征空间难以准确地描述人体运动的连续特性,提出了一种基于统计和几何特征相结合的智能下肢假肢运动意图识别改进方法.该方法立足于特征空间的改进,将均值、方差、最大值和最小值等统计特征和由函数型数据分析方法拟合提取的几何特征进行融合,选择均值、方差、最值斜率作为一组特征基构成混合特征空间.实验结果表明,采用混合特征进行运动意图识别,降低了特征空间的维数,整体上识别精确度有所提高,为智能假肢控制赢得更多的调节时间,协助单侧下肢截肢者及时、准确执行某种单一类型的动作及进行不同类型运动的转换.     

人类活动对河流生态系统的影响

介绍了流域水利工程建设、农业生产及城市化对河流生态系统的影响。其中 ,大坝等水利工程造成了对河流的人为分割以及径流模式的改变 ,损害了河流廊道的物质、能量、物种输移通道的能力。现代农业生产在挤占漫滩、阶地的同时 ,还由于大量使用化肥、农药造成了难以解决的非点源污染问题。城市化进程由于地面不透水层数量的增加显著地改变了城市地区的径流特性 ,还造成了城市河流生态价值的严重损失 ;这些活动都直接或间接地改变或损害了河流生态系统的结构、功能。出于有效进行生态恢复的目的 ,强调树立流域生态观念的必要性 ,建议从流域的角度出发进行综合整治     

融合形状和运动特征的动作识别计算模型

针对视觉系统在动作识别过程中如何利用形状与运动信息的问题,提出了一种融合形状特征和运动特征的人体动作识别方法.该方法模拟视觉皮层的背侧和腹侧通路,建立了基于双通道理论的人体动作特征计算模型.计算模型分别利用2D Gabor滤波器和3D时空滤波器模拟腹侧和背侧通路中视觉皮层简单细胞,提取动作的时空信息,通过采样、局部遍历、模板学习一系列操作分别提取动作的时空特征,并采用线性融合方法获取描述动作的特征向量,构建了采用支持向量机(SVM)进行动作分类的动作识别系统.实验结果表明:该方法的识别性能优于同类型的识别方法,取得了较好的识别效果.     

基于加速度时域特征的实时人体行为模式识别

摘要： 针对高精度的实时人体行为模式识别,提出了一种基于加速度时域特征的行为模式识别算法.本算法选取时域特征作为唯一特征量,通过简化特征提取运算实现行为的实时识别,获得了高精度结果.通过在Android智能手机平台进行测试,每项动作识别正确率均可达80%以上.该算法相对于现有算法实时精度有明显提高,在手持终端领域具有较好的应用前景.     

基于人体时空骨架特征的图卷积行为识别算法

【目的】为了充分利用动态的人体骨架特征,提高行为识别精度,提出一种基于人体时空骨架特征的图卷积行为识别算法。【方法】首先在空间上确定主关节点,再融合各关节点与主关节点之间的向量和关节点间的骨骼长度,获取瞬时状态下关节点的相对位置关系;然后计算相邻两帧之间由相同关节点构成的时序动作信息来描述运动状态;最后,将时空信息融合到时空图卷积网络中,进行端到端训练。【结果】与时空图卷积网络识别算法相比,在400分类Kinetics行为识别数据集上的Top-1和Top-5指标分别提升了1.78%和1.77%,在NTU RGB+D数据集的两个基准上的Top-1分别提升4.13%和2.61%。【结论】提出的基于人体时空骨架特征的图卷积行为识别算法是有效实用的。     

Kinect骨骼数据驱动的人体动作二维特征融合与动作识别

针对在高噪声环境中人体动作识别存在准确度和稳定性不高的问题,本文采用二维空间特征融合的方法,提出一种基于Kinect骨骼数据的人体动作识别算法。从人体三视图的投影来提取运动特征,可以消除人体自遮挡的影响。针对人体复杂动作,算法采用分层策略。利用Kinect获得的骨骼关节点坐标,根据人体三视图投影提取二维空间的人体关节角特征,并运用支持向量机(SVM)方法对动作进行粗分类;进一步提取二维投影平面内的关节位置矢量、角速度和加速度特征,运用隐马尔可夫模型(HMM)的方法对动作进行细分类。利用本文方法对公开数据集MSR Action 3D实验,平均识别率达93.37%,实验结果表明,该方法准确性较高,鲁棒性较强。     

一类拟圆盘的一些几何特征

研究一类拟圆盘的几何特征 .相应于 Chuaqui和 Osgood的结果 ,文中对一类拟圆盘Poincaré尺度的对数梯度进行上、下界估计 ,进一步完善其结果     

卫星测控信号盲识别算法

针对卫星测控通信信息侦察中测控信号识别的问题,提出一种基于小波分析的测控信号副载波识别算法。算法首先基于小波多分辨率分析去噪原理,对混合信号进行去噪处理。然后,采用零点分区法确定副载波个数。最后设计了阈值自适应判别算法来确定各个副载波的频率分界点。仿真结果表明,该测控信号副载波识别算法精度达到95％,抗噪声干扰能力强。     

DTMF信号的软件识别分析

论述了采用数字频谱分析和数字滤波分析的软件方法对DTMF号码进行分析识别。