检索结果-南通市图书馆

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种用于视频对象编码的运动模式识别算法

电子学报 2007年第12期35卷 2324-2328页

作者：黎洪松许保华北京师范大学信息科学与技术学院北京100875

针对目前视频编码中广泛采用的块匹配运动估计补偿(ME+MC)算法的不足,提出一种基于自组织映射(SOM)的运动模式识别(MPR)算法,并将其应用于会议电视的视频对象编码中.为了改善SOM算法的性能,提出一种频率敏感的自组织映射算法(FSOM).实... 详细信息

针对目前视频编码中广泛采用的块匹配运动估计补偿(ME+MC)算法的不足,提出一种基于自组织映射(SOM)的运动模式识别(MPR)算法,并将其应用于会议电视的视频对象编码中.为了改善SOM算法的性能,提出一种频率敏感的自组织映射算法(FSOM).实验表明,与ME+MC算法相比,FSOM-MPR算法具有更好的预测编码性能.对Claire视频测试序列,当压缩比为170∶1时,重建视频图像的平均峰值信噪比(PSNR)有2.7dB的改善.

关键词：运动模式识别基于对象的视频编码自组织映射

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

人群密集场景中运动模式识别

哈尔滨理工大学学报 2019年第3期24卷 74-81页

作者：康永欣袁丽英哈尔滨理工大学自动化学院

针对从人群密集场景中识别运动模式的问题,提出了距离依赖中餐馆连锁店过程混合模型。该模型是一种引入依赖关系的层次化非参贝叶斯模型,能够通过引进独立于数据观测值的距离依赖信息,准确建模自然分组的数据,从中挖掘共享的数据模式。... 详细信息

针对从人群密集场景中识别运动模式的问题,提出了距离依赖中餐馆连锁店过程混合模型。该模型是一种引入依赖关系的层次化非参贝叶斯模型,能够通过引进独立于数据观测值的距离依赖信息,准确建模自然分组的数据,从中挖掘共享的数据模式。给出了模型的建立过程,并通过吉布斯采样的方法对模型进行求解,同时展示了相关的实验结果。通过对纽约广场火车站监控场景数据集中47 866条片段轨迹的建模分析,证明了模型可以自动确定场景中运动模式的个数,从不完整的轨迹中以98%的正确度学习并表达运动模式,并且能够在不同的运动模式之间共享公共的子模式。

关键词：运动模式识别人群密集场景非参贝叶斯模型吉布斯采样

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于大腿残肢表面肌电信号的运动模式识别

基于大腿残肢表面肌电信号的运动模式识别

作者：李亚英河北工业大学

学位级别：硕士

穿戴假肢是下肢截肢者恢复日常生活的唯一途径,只有快速准确地识别残疾人的运动意图,才能实现对假肢的灵活控制。肌电信号能体现人体的运动意图,而且产生于人体真正运动之前,相比其它传感器信息具有显著优势。现阶段肌电信号运动模式识... 详细信息

穿戴假肢是下肢截肢者恢复日常生活的唯一途径,只有快速准确地识别残疾人的运动意图,才能实现对假肢的灵活控制。肌电信号能体现人体的运动意图,而且产生于人体真正运动之前,相比其它传感器信息具有显著优势。现阶段肌电信号运动模式识别的研究主要集中在健康人,但是残疾人由于肌肉的截断,其肌电信号与健康人存在很大的不同,因此利用残肢肌电信息识别不同运动模式具有重要的意义。本课题从残疾人出发,通过采集大腿残肢表面肌电信号识别下肢不同运动模式,识别结果可以为假肢提供控制源。主要的研究内容如下:1.分析截肢对下肢肌肉的影响,选定下肢肌群,确定肌电信号采集方案。针对现有采集方案的不足,为截肢者设计内嵌式传感器系统,采集不同运动模式下大腿残肢表面肌电信号。2.通过对不同运动模式肌电信号的分析,提出了一种基于移动窗的多数据段检测算法,实现了一个运动周期内多数据段的提取。并对多数据段进行特征提取,构建特征向量。3.针对误导和冗余特征值,利用基于遗传算法的BP神经网络降维、基于遗传算法的偏最小二乘法降维、基于平均影响值的神经网络特征降维的方法对特征值进行降维。根据降维结果,确定最优特征向量。经过降维,特征值维数明显下降,而且识别率有所提高。4.选定各数据段最优参数和数据段长度,用随机森林算法进行分段运动模式识别。根据识别结果,提出一种基于随机森林的二叉树周期性模式识别方法,实现了5种运动模式的周期性识别。实验结果证明,该方法提高了模式识别的准确率和实时性,有利于假肢的实时控制。

关键词：肌电信号大腿残肢运动模式识别特征降维随机森林算法

基于手机传感器的行人室内位置跟踪及运动模式识别技术研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于手机传感器的行人室内位置跟踪及运动模式识别技术研究与实现

作者：赵世华山东理工大学

学位级别：硕士

本文研究了基于手机传感器的,面向行人的,应用于楼宇内的位置追踪算法及行人运动模式识别技术。对于行人室内位置追踪,使用了手机的惯性传感器以及环境WiFi信息,设计并实现了行人的同步轨迹图建立与定位。同步轨迹图建立与定位中,使用... 详细信息

本文研究了基于手机传感器的,面向行人的,应用于楼宇内的位置追踪算法及行人运动模式识别技术。对于行人室内位置追踪,使用了手机的惯性传感器以及环境WiFi信息,设计并实现了行人的同步轨迹图建立与定位。同步轨迹图建立与定位中,使用手机三轴加速度计进行行人的步态检测,对行人的走步进行识别,记录行人每一步的起止时间。基于手机三轴陀螺仪,使用四元数的方法进行手机姿态解算,获得手持手机的行人的行进方向。研究了一种新颖的WiFi地标策略,根据WiFi信号的强度变化趋势进行地标的生成,减少了因环境复杂和WiFi接收装置差异引起的误差。基于粒子滤波的方法,将使用手机三轴加速度计、三轴陀螺仪推算的行人步态信息和行进角度作为驱动,在行人的行进过程中自动检测和生成WiFi地标并嵌入到栅格底图。利用粒子与WiFi地标的距离作为粒子滤波的后验信息,实现WiFi地标与行人运行轨迹的相互调节,在不需要任何建筑结构先验知识的情况下,实现了行人轨迹图建立与定位。实验结果表明,该算法可以有效地控制陀螺仪无边界的误差积累,实现行人运动轨迹与真实轨迹较好的拟合,误差不超过5m。快速定位算法的设计,主要包括楼宇楼层的自动识别与针对每层的位置坐标预测。基于同步建图与定位产生的数据,使用机器学习的方法进行模型训练。其中楼层自动识别,利用采集到的每一层的WiFi信息的差异,使用逻辑回归的方法,构建分层模型,利用实时的WiFi信息对所处楼层做出准确判断。对于已经建立了行人轨迹图的每一层,使用该层的位置信息与WiFi信息,将其自动划分为大小均等的格子,使用支持向量机的方法,训练行人所属格子的预测模型。基于该模型,利用实时的WiFi信息,预测行人的位置坐标。对于行人运动模式的识别,设计并实现了一种基于手机惯性传感器和机器学习分类器的识别算法。在多种运动状态下,对其惯性数据进行采集和标记,根据采样数据的变化规律,提取运动特征。使用机器学习的方法,训练分类模型,预测人体运动模式,实现了静止、行走与跑步三种运动模式的识别。

关键词：惯性传感器 WiFi 粒子滤波室内定位运动模式识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于表面肌电信号的下肢运动模式识别的研究

基于表面肌电信号的下肢运动模式识别的研究

作者：王光旭河北工业大学

学位级别：硕士

由脑卒中引起的下肢偏瘫给患者和家庭带来巨大痛苦。随着患者人数增加，也给社会带来负担。传统上，医师采用徒手对患者进行康复训练，但患者易产生厌烦。下肢康复机器人可以代替医师完成康复训练，可以提高疗效，减轻负担。为了实现患... 详细信息

由脑卒中引起的下肢偏瘫给患者和家庭带来巨大痛苦。随着患者人数增加，也给社会带来负担。传统上，医师采用徒手对患者进行康复训练，但患者易产生厌烦。下肢康复机器人可以代替医师完成康复训练，可以提高疗效，减轻负担。为了实现患者的自主训练，本课题将肌电信号作为主要控制信息源，以体现患者的运动意图。本文针对人体下肢运动模式识别做了以下基础性研究：首先，详细阐述了脑卒中发病机理，介绍了表面肌电信号的机理及其应用。根据下肢各肌肉的功能特点，选择胫骨前肌和内腓肠肌上的表面肌电信号为控制信号，对其每个步态周期划分为支撑前期、支撑中期、支撑末期和摆动期四种运动模式。其次，表面肌电信号的预处理和特征提取是非常重要的环节。小波包μ律绝对值阈值法解决了肌电信号中夹杂生理噪声的干扰，消噪效果优于传统的软、硬阈值法。用50%的“重叠窗”方法划分数据段，对时域、频域及时域-频域联合分析后，用时频分析法中的小波变换计算每一段的小波特征奇异值，构建特征编码后输入分类器中进行模式识别。最后，为了对下肢四种细分的步态状态进行运动模式识别，提出了GA-Elman网络。它是利用遗传算法优化Elman神经网络的初始权值和阈值，解决了传统神经网络收敛速度慢且易受局部极小点困扰的缺陷，经过网络训练、识别后得到85%的平均识别率，明显优于传统的BP和Elman网络。考虑到下肢步态的四种运动模式能够对应到隐马尔可夫（HMM）的四种状态，本文尝试用HMM的信号分类识别方法对下肢步态状态进行识别，经过Baum-Welch算法对HMM参数进行重估训练和Viterbi算法进行识别后，得到的平均识别率为93.75%。识别效果优于GA-Elman神经网络，能够更加精确地对下肢外骨骼实施控制。

关键词：康复机器人表面肌电信号运动模式识别小波分析

基于运动模式识别的云团位移分钟级预测模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于运动模式识别的云团位移分钟级预测模型研究

作者：庞帅杰华北电力大学

学位级别：硕士

光伏发电作为一种开发和利用太阳能的重要方式,于近些年取得了迅猛发展。然而,由于某些环境因素的影响,光伏功率具有随机性,给电力系统的功率平衡、安全稳定和经济运行带来了严峻挑战。其中,光伏电站上空云团的运动,如生消和变形,是地... 详细信息

光伏发电作为一种开发和利用太阳能的重要方式,于近些年取得了迅猛发展。然而,由于某些环境因素的影响,光伏功率具有随机性,给电力系统的功率平衡、安全稳定和经济运行带来了严峻挑战。其中,光伏电站上空云团的运动,如生消和变形,是地表辐照度产生迅速、剧烈变化的直接因素,从而间接导致了光伏功率出现分钟级波动。所以,对光伏电站上空的云团进行实时和准确的追踪至关重要。在这项研究中,块匹配算法,光流算法和特征匹配算法是目前的三类传统云团追踪方法。然而,它们都具有较差的鲁棒性。所以,本文针对不同的云团运动模式,将这些方法加以优化组合,提出了一种适应于多种云团运动模式的云团追踪方法,主要内容如下。首先,进行天空图像预处理,以锐化图像和滤除噪声;接着,从纹理、色度、信息论以及频域的角度,提取图像的相关特征向量;其次,基于上述特征向量,利用k-means算法对天空图像对进行聚类分析,得到不同的云团运动模式,建立云团运动模式识别模型;然后,基于上述运动模式识别模型,利用粒子群算法对三类传统方法进行优化组合,建立云团位移矢量计算模型。最后,利用云南省电力科学研究院所采集的天空图像,对本模型以及传统方法进行仿真对比,以验证本模型的有效性。

关键词：云团位移天空图像运动模式识别优化组合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于MIMU的人体运动模式识别方法研究

基于MIMU的人体运动模式识别方法研究

作者：刘生忠东南大学

学位级别：硕士

基于微惯性测量单元(Micro-Inertial Measurement Unit,MIMU)的人体运动模式识别是模式识别领域一个新的研究方向。MIMU具有体积小、重量轻、可穿戴等优点,能够实现对目标运动模式的持续监测,因而在医疗健康、体育竞技和军事训练等领域... 详细信息

基于微惯性测量单元(Micro-Inertial Measurement Unit,MIMU)的人体运动模式识别是模式识别领域一个新的研究方向。MIMU具有体积小、重量轻、可穿戴等优点,能够实现对目标运动模式的持续监测,因而在医疗健康、体育竞技和军事训练等领域具有广阔的应用前景。本文研究八种日常运动模式的识别,包括静态的站立、坐立、平躺和动态的走路、上楼、下楼、跑步、骑单车,主要完成的工作如下:(1)以高性能、低功耗、小型化、低成本为目标,进行了传感器节点的器件选型和硬件电路设计;通过人体运动模型分析了各运动模式的动作特点,确定了模式区分能力最佳的身体部位,设计了传感器节点部署方案。(2)针对低成本MIMU精度低且不具备高精度仪器校准条件的问题,建立了MIMU系统误差数学模型,模型考虑了坐标系未对准、轴间耦合、标度因子、零偏等误差成分;根据误差模型设计了基于多位置方法的软件校准算法;依据算法流程进行了MIMU误差校准实验,实验结果表明,校准后加速度计输出误差与校准前相比降低了74.1%,陀螺仪输出误差相比降低了32.0%。(3)针对原始数据质量不高的问题,结合数据挖掘领域知识和本研究问题背景,设计了基于正太分布的离群点校正方法和基于均值插补的数据缺失处理方法;提出了采用集合经验模态分解(Ensembel Empirical Mode Decomposition,EEMD)对传感器信号进行降噪,相比于依赖先验基函数的小波变换,EEMD具有自适应特性;分别在原始数据集和经本文数据预处理方法处理后的数据集上进行运动模式分类实验,实验结果表明,数据预处理后分层算法平均识别率提高了2.4%,LSTM分类器平均识别率提高了2.3%。(4)设计了基于支持向量机(Support Vector Machine,SVM)的运动模式分层识别算法,以对数据集的区分能力为依据设计特征方案;针对骑单车的运动特点提取了关联特征;针对走路、上楼、下楼三种易混淆的模式,提取了EEMD特征。实验表明,在本文数据集下分层算法对八种运动模式的平均识别率为96.7%。(5)设计了基于长短期记忆网络(Long Short-Term Memory,LSTM)的运动模式分类器,与传统机器学习要求基于专家知识的手工特征工程不同,LSTM能够自动对输入时间序列进行特征提取和融合,并通过隐藏层网络进行深度学习。实验表明,在本文数据集下LSTM分类器对八种运动模式的平均识别率为97.6%。(6)为了进一步对本文算法进行验证,在加州大学欧文分校开源的DSAD数据集上进行了识别实验,实验结果表明,基于SVM的分层算法具有良好的泛化能力,而基于LSTM的分类器具有更高的性能上限,但需要大规模训练数据集作为支撑。

关键词：运动模式识别微惯性测量单元(MIMU) 误差校准特征选择 SVM LSTM

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多传感器的人体运动模式识别研究

基于多传感器的人体运动模式识别研究

作者：李路山东大学

学位级别：硕士

当前,随着人们日常生活水平的提高、科学技术的进步和医疗卫生条件的改善,人类的平均寿命在不断增长,这也使得老龄人口在总人口中所占的比重在不断提高,这一现象被称之为人口的老龄化。随着社会老龄化程度的不断加深,老年人的日常健康... 详细信息

当前,随着人们日常生活水平的提高、科学技术的进步和医疗卫生条件的改善,人类的平均寿命在不断增长,这也使得老龄人口在总人口中所占的比重在不断提高,这一现象被称之为人口的老龄化。随着社会老龄化程度的不断加深,老年人的日常健康监护也越来越引起人们的重视。伴随着年龄的增长,老年人身体的各项机能开始衰退,活动能力、应变能力下降,在日常生活中极易发生各种危险。而当今社会独生子女数量较多,加之生活节奏快,工作压力大,子女无法经常陪伴在老人身边,致使许多老人在日常生活中长时间处于无人照看的状态,导致了空巢现象的发生。当危险发生时,空巢老人往往无法及时进行求救并获得医疗救助,从而导致较为严重的后果。为了减少这种危险的发生,有必要对老年人的日常活动进行实时监测和识别,以便在危险发生时能够及时发现,避免情况的进一步恶化。基于无线体域网的实时运动监测方法是该领域目前研究的热点问题之一。在总结领域相关研究的基础上,结合组建家庭健康网络等课题的需求,本文研发了一种便携式人体运动信息采集装置,设计了不同人体运动模式的数据采集实验,并以实验数据为基础提出了一种基于支持向量机的多种类运动模式识别方法,实现了对常见人体运动模式的识别。本文主要进行了以下工作：1)设计了一种便携式人体运动信息采集装置,该装置的感知器件包括一个三轴加速度传感器和一个三轴数字陀螺仪,这两种传感器都是基于微机电系统技术的,可以对人体运动过程中的加速度和角速度两类主要运动信息进行实时测量。2)综合分析了四元数法求解姿态角和加速度法求解姿态角的优势及不足,并在此基础上将两种方法进行有机整合,提出了一种基于加速度校准的人体姿态角求解方法,使用该方法可以较为准确的求出人体在任意时刻的姿态角。3)提出了一种基于支持向量机的人体运动模式识别方法。该方法以人体的姿态特征和加速度特征作为识别特征,利用支持向量机模型对不同的人体运动模式进行识别。实验结果表明该方法具有良好的识别性能。

关键词：人体姿态加速度运动模式识别无线体域网健康监护

顾及停留点特征的移动对象运动模式识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

顾及停留点特征的移动对象运动模式识别算法研究

作者：赵竹珺南京师范大学

学位级别：硕士

基于时空轨迹的移动对象运动模式识别是时空轨迹数据挖掘的一个重要部分,旨在通过移动对象的轨迹数据,识别出移动对象处于何种运动模式,如步行,坐公交等。运动模式识别在交通出行推荐、个性化广告推荐、轨迹检索、健康生活规划等方面具... 详细信息

基于时空轨迹的移动对象运动模式识别是时空轨迹数据挖掘的一个重要部分,旨在通过移动对象的轨迹数据,识别出移动对象处于何种运动模式,如步行,坐公交等。运动模式识别在交通出行推荐、个性化广告推荐、轨迹检索、健康生活规划等方面具有重要应用价值。现存的运动模式识别算法中提取的轨迹特征大多数为运动特征,忽略了轨迹出现的重要位置特征(如公交站台等)。本文针对现存算法的不足,对运动模式识别算法从有效性与效率上进行改进,取得以下研究成果:1.提出了一种顾及停留点特征的移动对象运动模式识别算法。该算法考虑到轨迹中停留点出现的重要位置信息对运动模式识别的作用,提取轨迹停留点特征。该算法分为训练阶段与测试阶段。在训练阶段中,首先提取每条训练轨迹的运动特征,然后提取所有训练轨迹中的停留点,挖掘停留点簇规则与路径规则。基于这些规则为每条轨迹生成停留点特征。最后结合运动特征与停留点特征形成轨迹特征,建立分类器。在测试阶段中,通过停留点簇规则与路径规则为测试轨迹提取停留点特征,结合测试轨迹运动特征,使用分类器分类。实验表明,该算法可以取得更高的识别精度。2.提出了一种顾及停留点特征的移动对象运动模式在线识别算法。该算法分为离线训练、在线训练以及测试三个部分。离线训练阶段、测试阶段与上述算法相似,在线训练过程基于原停留点簇规则、路径规则以及分类器,使用新增训练轨迹,更新规则与分类器,使得规则与分类器具有更强的运动模式识别能力。该算法针对不断到来的新的训练轨迹,实时更新分类模型,以提高识别精度。实验表明,该算法与离线算法相比具有更好的扩展性。3.提出了基于上述两种算法的并行运动模式识别算法,并将并行算法利用Spark平台加以实现。将计算任务分布到多台机器上并行执行,在大数据环境下提高了运动模式识别算法的运行效率。利用真实数据集进行实验,实验表明随着数据集的增大,并行算法的运行效率高于单机算法。随着计算节点的增加,本文提出的算法具有良好的可扩展性。

关键词：运动模式识别停留点时空轨迹分类并行轨迹挖掘