基于数据融合的不平衡连续手术动作分割识别

为解决样本分布不均衡的连续动作序列分割识别精度不高的问题,提出一种基于深度学习的新型连续动作分割与识别模型,该模型能够从多维时间序列中提取更丰富全面的动作特征。使用基于双向长短时记忆网络(bidirectional long short-term memory networks, Bi-LSTM)的特征提取单元提取数据特征,利用基于注意力机制的特征融合模块融合多种模态的特征,并利用全连接层构建的解码器完成最终分类。实验中使用多种传感器采集了眼科手术中连续环形撕囊操作的连续动作多模态数据对算法进行验证实验。实验结果显示,与使用长短时记忆网络(LSTM)和门控循环单元(gated recurrent unit, GRU)的数据层融合算法以及4种特征层融合策略相比,所提出的模型具有更好的性能。对于数据量最小的动作类别,该算法的识别精度提高了14%以上,全局F₁分数提升8%以上,整体识别准确度达到90.72%。这些结果表明,该模型能够有效解决样本分布不均衡的连续动作序列分割识别精度问题,并为多模态连续动作分割与样本不均衡问题的解决提供了新的思路和方法。     

试论"天命"

基于冯友兰先生在《新原道》中对"天命"概念的两种不同的阐释,按两种思路研究"天命".第一种阐释为:"所谓天命,可解释为人所遭遇的宇宙间的事变,在人力极限之外,为人力所无可奈何者."由此通过论证知:"天命"是在生命历程完成或基本完成后,才被认识的,这是属于认识"天命"的真理.第二种阐释为:"……所谓天命亦可解释为上帝的命令."由此通过论证得到两个结论和一个疑问,并且可看到疑问之重要性甚于结论.     

基于FDS模拟的大型会展中心主会议厅性能化防火设计研究

在分析大型会展中心主会议厅防火分区、防火分隔与安全疏散设计的基础之上,基于其消防性能化防火设计目标、火灾增长速率分析和性能化防火设计的条件,采用FDS模拟对大型会展中心主会议厅发生火灾时的温度、烟气蔓延特性进行模拟分析,模拟结果表明:在各消防设施有效动作的情况下,各设定火灾场景的人员可用疏散时间不小于1 200 s,大于720 s(12 min).在自动喷水灭火系统或排烟系统失效的情况下,人员可用疏散时间亦不低于1 076 s,大于720 s(12 min).在自动灭火系统和机械排烟系统均有效或者失效时,烟气均不会蔓延出会议厅而对其它区域的人员疏散造成影响.     

普通高校武术教学教法研究

武术教学以基本功和基本动作为基础,武术教学以组合练习为过渡,武术教学以套路练习为最高形式,以拳术套路为主,理论知识讲授要渗透和贯穿于技术教学之中。     

融合人体骨架和姿势信息特征的轻量级人体动作识别方法

针对人体动作识别任务中特征值选取不当导致识别率低、使用多模态数据导致训练成本高等问题,提出一种轻量级人体动作识别方法。首先使用OpenPose、PoseNet提取出人体骨架信息,使用BWT69CL传感器提取姿势信息;其次对数据进行预处理、特征融合,对人体动作进行深度学习分类识别;最后,为验证此方法的有效性,在公开数据集WISDM、UCIHAR、HASC和自建的人体动作数据集上进行实验验证,并使用改进的目标引导注意力机制(target-guided attention,TGA)–长短期记忆(long short term memory,LSTM)网络输出最终的分类结果。实验结果表明,在自建数据集下融合姿势和骨架特征达到99.87%准确率,相比于只使用姿势信息特征,识别准确率提高了约5.31个百分点;相比于只使用人体骨架特征,识别准确率提高了约1.87个百分点;在识别时间上相比于只使用姿势信息,识别时间降低了约29.73 s;相比于只使用人体骨架数据,识别时间降低了约9 s。使用该方法能及时有效地反映人体的运动意图,有助于提高人体动作和行为的识别准确率和训练效率。     

基于3DCNN的人体动作识别方法

针对三维卷积神经网络在特征提取过程中,极易出现神经元被抑制直接失去活性的现象,提出一种改进的人体动作识别模型,在卷积过程中使用Leaky ReLU激活函数,对静默神经元恢复更新利用,深层次摄取图像之间的时间和空间信息,丰富神经网络特征结构;并且结合批量归一化处理,使信息素点规则化重新分布,有助于高效完成特征提取,提高收敛速度。在UCF-50公共数据集上的实验结果表明,该模型的准确率达到91.25%,相比其他方法至少提高6%,验证了模型的有效性。     

基于Higuchi分析的武术运动员姿势平衡性评估方法

为了准确评估武术运动员对特定动作姿势控制的平衡性,提出了一种基于Higuchi分形维数分析的平衡性评估方法 .首先,通过力测试平台获得运动员做出特定动作时的足底压力中心(COP)数据,构建一个时间序列.然后,通过Higuchi算法计算该时间序列在自前而后和自内而外两个方向上的分形维数(FD).最后,根据分形维数值来评估动作姿态的平衡性.专业和业余运动员的对比实验结果表明,该方法比传统方法能更准确地反映动作的平衡性.     

基于Kinect的运动学习系统的设计

运动学习系统设计旨在通过Kinect准确掌握运动员的身体轮廓和身体位置来确定运动员动作的标准程度.结合体育活动的特点为运动训练提供有效的解决方案,从而提高运动员的运动水平,并通过数据采集、数据处理与特征提取、人体姿态识别的方法辅助动作学习.系统使用Kinect进行数据采集,实时获取所检测到的用户人体的骨骼节点位置信息,...     

基于图卷积神经网络的健美操难度动作识别方法

针对现有健美操难度动作识别方法中存在的识别效果差等问题,提出将图卷积神经网络应用到健美操难度动作识别中。将健美操视频划分为若干个图像,并消除健美操难度动作图像背景,设定灰度共生矩阵,估计难度动作图像局部区域模糊核,校正难度动作图像的视觉误差。在此基础上,对图卷积神经网络进行预训练,构建人体有向时空骨架图,对人体有向时空图表示与时序动态信息建模,实现健美操难度动作识别。实验结果表明,在复杂背景与简单背景下,基于图卷积神经网络的健美操难度动作识别方法识别的时间较短,并且错误识别的次数也较少,证明所提方法提高了健美操难度动作的识别效果。     

双杖滑雪手部施力模型仿真分析

双杖滑雪运动中,手部握持滑雪杖的施力方法影响滑雪运动状态.应用人体动作捕捉技术,获取滑雪运动多组姿态图像及骨骼、关节点信息;依据骨骼关节点角度计算理论,求解关节点角度;基于生物力学理论,建立双杖滑雪运动模型,利用AnyBody软件进行生物力学仿真,分析不同滑雪姿态和手部载荷下,手部肌肉施力特征.结果表明：双杖滑雪运动中,手部大拇指和中指的肌肉施力较大,是主要施力区域.