深水铺管起重船海上起重作业实时仿真

为满足海上起重作业视景仿真的数据需求,该文基于动力定位仿真系统提供的船舶六自由度实时数据和起重驾控台的操纵信号等多通道离散数据,构建了综合考虑海况、动力定位、实时操纵、压载调整等影响因素的实时动力学模型.为降低累积误差,提高运算速度,采用布里斯近似积分法求解动力学方程.结果证明,该仿真系统在保证精度的前提下满足了实时性要求,有效地解算了被吊物的实时摆动姿态,为视景模型提供了基础数据.     

基于人体骨架模型的远红外视频下老人摔倒检测

利用远红外光谱视频进行老人摔倒检测研究,提出一种基于人体骨架模型的远红外视频下老人摔倒检测算法;采用YOLOv4-Tiny算法获取远红外视频中人体目标位置,再利用COCO数据集训练的区域多人姿态估计网络模型,直接对自采集的远红外视频进行人体骨架提取,得到人体关节点序列,然后对人体骨架建立时空图卷积模型进行特征提取进而检...     

基于人体姿态信息的下肢康复机器人运动控制技术

针对下肢运动功能障碍患者术后康复训练辅助设备的跟随控制问题,本研究提出一种基于人体姿态信息的下肢康复机器人运动控制方法。根据康复机器人的结构特性和功能要求,建立机器人运动数据信息采集系统和下肢康复机器人的运动学模型;构建机器人平台上的人体姿态行为信息采集传感器系统,通过分析位移传感器所采集的数据,得到表征人体姿态行为变化的相关信息,经上位机计算生成康复机器人的期望跟随速度;同时,基于模糊PID控制算法设计了跟随控制器。通过仿真和实验验证该控制算法能够有效减小机器人实时跟踪使用者运动过程中的误差,实现康复机器人对人体运动姿态良好的跟随效果。     

基于骨骼信息的虚拟角色控制方法

针对当前动作捕捉方法中基于旋转矩阵的虚拟角色控制方法,虚拟角色模型运动还原度低、人体动作不能实时展现、抗光照干扰能力弱的问题,提出一种基于骨骼信息的四元向量控制方法。该方法以 Kinect 体感摄像机捕获的人体骨骼关节点数据为基础,计算并记录人体运动过程中关节点空间位移和关节点之间夹角的变化,根据相邻图像序列中的运动数据确定虚拟角色每个骨骼关节点的旋转角度,并将其转化为四元旋转向量。根据正向运动学原理,从根节点对虚拟角色模型进行调整并根据人体动作进行实时反馈。通过理论分析和仿真结果表明,与基于旋转矩阵的的虚拟角色控制方法相比,该方法的人体姿态还原度高,角度误差低,实时预览效果直观,实时性与抗光照干扰能力强。     

基于改进姿态估计算法的嵌入式平台实时跌倒检测

为了实现视频中特殊人群跌倒检测的实时性和降低误检率。通过采用改进的姿态估计网络提取人体关节点的方法,研究了使用前后帧关节点的变化来对人体进行追踪和跌倒行为检测。为了在嵌入式平台上使姿态估计网络达到实时效果,采用带有注意力机制的轻量化结构搭建深度卷积网络来提取人体关节点坐标,并合成完整的骨架信息。结果表明：带有注意力机制的姿态估计算法在不同数据集上的准确度均有提升;同时在嵌入式平台上保持误检率较低的情况下达到实时跌倒检测。可见基于改进姿态估计算法并通过关节点判断的方法较好地实现了人体的跌倒检测。     

基于模糊神经网络的车辆行驶姿态判别方法

为对公交车辆驾驶人员的不良驾驶行为实施主动安全管理,基于车辆行驶姿态数据与车辆姿态判别标准,提出了车辆运行姿态与驾驶人员的不良驾驶行为的模糊神经网络关联性分析与判别方法.在该方法的模型参数标定与验证过程中,采用车载单台加速度计MPU6500实时采集车辆三轴加速度作为车辆行驶姿态数据,参照最新的ISO2631-1-1997/AMD.1-2010标准建立了人体主观感觉与车辆姿态的关联指标和Takagi-Sugeno模糊神经网络判别模型.研究结果表明:用该判别方法可以实现车辆运动状态下驾驶员不良驾驶行为的自动判别,判别结果与乘客的主观感受一致.     

基于Kinect的实时动画角色驱动方法

Kinect可实时获取运动数据,且比传统的运动捕捉设备成本低廉,因此被广泛应用于实时角色动画。文章提出一种基于Kinect运动捕捉数据实时驱动动画角色的方法,采用均值滤波平滑Kinect实时捕获人体关节点的位置数据,并根据位置信息反求出关节点的旋转变换矩阵;将Kinect所捕获的人体骨架结构与目标骨架相匹配进行运动重定向;由骨骼顶点计算出网格顶点变换矩阵,实现蒙皮动画以驱动动画角色。实验结果表明,与惯性运动捕捉仪采集到的运动数据所驱动的角色动画相比,该方法可产生流畅的角色动画,节约了制作成本,而且具有一定程度的视觉真实感。     

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.     

基于注意力机制改进的多人姿态估计网络研究

为解决多人姿态估计中小尺度关节点定位准确率低的问题,采用自顶向下的方法,结合人体目标检测模型YOLOv4-tiny,提出一种基于堆叠沙漏网络改进的多人姿态估计网络.该网络包含人体目标检测器和人体姿态估计算法,通过在沙漏网络原始残差模块中融入坐标注意力机制进行特征增强,抑制无用特征的同时增强有用特征,从而提高对人体中小尺度关节点的识别准确率.实验结果表明,该模型在COCO数据集上获得了64.9%的平均准确率,在MPII数据集上正确关键点的比例达88.8%,验证了网络的有效性.     

无线可穿戴身体姿态监测系统的研究与实现

为预防由于坐姿不正确而引发的身体疾病, 设计一种无线可穿戴人体身体姿态监测系统。TI CC2540处理器处理由LIS3DH 传感器实时采集人体坐标x 轴、y 轴、z 轴加速度数据, 并通过蓝牙4. 0 协议将其传输到手机客户端APP(Application)上进行数据的处理并显示, 以达到矫正人体姿势的目的。同时该系统又可实现与体感游戏的有机结合, 达到锻炼身体的目的。     

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.     

一种基于光学动作捕捉技术的座椅舒适性评价方法

为研究坐姿的舒适性评价方法,以评估一种人机工程座椅和普通座椅之间的舒适差异性为例,提出一种实验测试方法并结合人机工程学理论来评估坐姿的舒适性。在该方法中,基于光学运动捕捉系统、压力传感器和JACK软件,通过EVART实时动作捕捉软件获得人体动作空间运动轨迹TRC文件,用MATLAB软件进行人体动作数据分析处理,获得人体在不同座椅上坐姿状态的角度差异数据,然后将TRC文件导入到JACK软件中,利用JACK软件中的TAT REPORTER工具输出肌力、力矩、疲劳等数据,与实验实际测量的数据进行对比分析,并用人机工程学的方法分析评价。研究表明,这种综合考虑关节角度和JACK软件输出数据的方法能有效地评估坐姿的舒适性。     

基于姿态角的双Kinect数据融合技术及应用

针对单个Kinect深度图像传感器在人机交互时的骨骼自遮挡所导致的识别精度问题,提出了基于姿态角的双Kinect数据融合技术。首先,通过两台Kinect采集人体关节的数据信息;并做坐标统一化处理;其次,提出了基于姿态角的骨骼数据融合算法模型,同时依据Kinect SDK构建标准姿势特征向量集合;随后,根据骨骼活动度分配对应骨骼贡献度大小,进而计算融合后的姿势特征向量集合与标准姿势特征向量集合的余弦和,实时反馈两者姿势的匹配度,实现人体姿势的识别。通过构建数据融合处理平台,并应用于人体姿势识别,验证了该方法在不影响识别速率的前提下,提高了人体姿势识别的精准度。     

一种自适应关节点权值的姿势相似度计算方法

提出了一种新的关节点权值自适应的姿势相似度计算方法,选用Kinect体感设备采集姿势信息,获取人体骨架关节点数据.为适应不同人体体型,根据骨架长度对关节点数据进行修正.另外,针对不同的人体姿势,提出自适应的关节点权值定义方法.实验结果表明:所提出的姿势相似度计算方法准确度高并且结果稳定.     

一种基于Kinect的角色骨骼动画方法

针对当前骨骼动画制作方法存在实时性差?抗光照干扰能力弱?角色模型运动误差大的问题,提出了一种新的骨骼动画方法?采用微软Kinect设备获取人体三维骨骼坐标数据,用改进的D-H(denavit-hartenberg)描述法在关节点处建立虚拟坐标系,对捕捉对象单帧姿态进行抽象空间位形描述,再根据前后帧位形数据求解骨骼矩阵,对根节点进行位移调整形成骨骼动画?实验结果表明,该方法实时性与抗光照干扰能力强,角色动作与捕捉对象动作之间的相似度高?     

基于Mean Shift的运动人体骨架重构方法

本文提出一种基于Mean Shift的方法来追踪并重构运动人体的骨架结构。首先,手动的将运动目标的部分肢体标识出来,为每一部分都设定Mean Shift跟踪模板,由于单纯的应用原始Mean Shift没有利用人体信息,本文提出一种结合肤色模型和边缘信息的Mean Shift算法将运动人体的骨架运动准确的跟踪,最后利用上面跟踪的结合各运动区域的运动信息,将人体骨架完整的重构出来。实验结果表明,本文方法能够实时的有效的对运动人体的骨架进行重构。     

基于无线体域网的人体姿态多级分层识别算法

为解决无线体域网WBAN(Wireless Body Area Network)中人体姿态识别率低、算法复杂的问题, 设计了一种以多层分级理论为基础的人体姿态多级分层识别算法。考虑到使用者的舒适度, 将九轴加速度陀螺仪传感器(VG350) 做成腰带佩戴在腰部实时采集数据。运用加速度向量幅值(SVM: Signal Vector Magnitude)、角度、角加速度和位移等参量, 通过对实际测量数据的分析, 将坐、蹲、弯腰、慢走和跑等姿态进行识别。实验结果表明, 该算法简单, 姿态识别率高达96. 5%。     

曲面几何参数的实时识别与智能仿形系统

在曲面几何参数实时识别和密切曲率法的理论基础上提出了一种新的仿形系统，该系统的核心技术是曲面几何参数实时识别系统，由在端面上布有传感器点阵的盘形智能仿形头、曲面几何参数识别软件、仿形头姿态控制软件和姿态控制系统构成，仿形头姿态控制的原理是密切曲率法，由于几何参数识别系统可同时确定曲面上一点的坐标、法线向量、主曲率和主曲率的偏导数，故该技术既可用于高效率的实时五轴联动仿形加工，也可用于对三维实体模型进行高效率的数据采集，生成简捷的数学样条。该技术与ＣＡＤ／ＣＡＭ技术相结合，可以很方便地对实体模型进行修改，具有很好的柔性。     

基于RGB-D 数据的实时人体检测算法

为实现体感控制器中的人体骨架识别功能, 提出了基于RGB鄄D 数据的实时人体检测算法, 并在人体检测中予以实现。首先对原始3D 点云数据进行简化, 对地平面进行移除, 然后对剩余的点云数据进行初步分类,得到人体点云数据簇, 对初步分类后的人体点云数据簇进行二次精细分类, 进而实现了地面上的多个人体的检测。该方法不仅能检测出静止的多个人体, 而且能检测行走中的多个人体。实验结果表明, 该方法实时性好, CPU 实时处理速率可达到25 帧/ s, 而且无论对于静止的人体还是行走中的人体, 该方法的人体检测准确度都能达到86%以上。     

采用标记点的弹性连接体三维建模与运动估计

为了采用非常少的参数就能反映人肢体皮肤的变形,提出了一种新的旋转圆锥曲面进行弹性连接体（人体）三维建模,模型包括了人体三维骨架和代表人肢体皮肤的变形曲面方程, 每个肢体只需调整一个变形参数就能反映出人肢体皮肤的变形.根据双目图像序列的标记点估计人体三维变形和运动参数, 包括了骨架的运动参数估计和变形曲面的变形参数确定.实验结果表明：模型能正确地反映人肢体皮肤的变形,运动估计算法能精确地估计人体运动参数.