检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于腕部三轴加速度的运动模式识别

基于腕部三轴加速度的运动模式识别

作者：李林峰燕山大学

学位级别：硕士

人体运动模式识别是人工智能领域的一个重要研究范畴,也是识别领域中的代表性科研课题。由于加速度传感器具有设备简易、成本低和灵敏度高等优势,基于加速度传感器的人体行为识别,已然成为研究的热门方向。微型加速度传感器近年来的快... 详细信息

人体运动模式识别是人工智能领域的一个重要研究范畴,也是识别领域中的代表性科研课题。由于加速度传感器具有设备简易、成本低和灵敏度高等优势,基于加速度传感器的人体行为识别,已然成为研究的热门方向。微型加速度传感器近年来的快速发展,使得基于加速度传感器的人体运动模式识别技术不断走向成熟,逐步广泛应用于各个生活领域之中。由于人体运动自身具备复杂性和多变性,基于加速度传感器的研究还存在着些许不足,有着很大的研究空间。本文针对基于加速度传感器的人体运动模式识别中,信号预处理、特征选择和提取、识别方法这三大板块进行深入研究,主要工作包括:首先,研究了人体运动模式识别的背景和现状,介绍了基于视觉和基于传感器的两大类行为识别方法,总结了基于加速度传感器的人体行为识别流程,对系统流程中的主要模块进行详细研究。其次,深入分析了基于小波分析的阈值去噪方法,进行科学的仿真实验,证明了小波阈值去噪方法的高效性,去噪效果得到提升;选择均值、标准差、三轴的相关系数、四分位间距和小波能量这五种特征用于人体运动模式的识别,进行仿真实验,识别率均达90%以上。再次,本文采用动态时间规整算法,并且基于传统算法的不足,选择半分动态的算法进行改进,实现了对站立、走路和跑步等五种日常运动模式以及慢走、正常走、快走三种易混步态的识别,效果良好。最后,以关爱老年人健康为出发点,针对目前老年人容易跌倒的现象,研究了基于动态时间规整算法的跌倒检测方法,选择合加速度、倾斜角度和合角速度这三种代表性特征,准确判别跌倒行为。

关键词：运动模式识别小波分析动态时间规整算法跌倒检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的机动目标运动模式识别研究

基于机器学习的机动目标运动模式识别研究

作者：张培武汉理工大学

学位级别：硕士

机动目标跟踪技术起源于战争,随着科技的不断发展,其被广泛应用于精确制导、战场监视等军事领域和运动规划、自动驾驶等民用领域。机动目标跟踪技术的关键之一在于识别机动目标的运动模式。对于现代跟踪系统而言,目标通常具有强机动性... 详细信息

机动目标跟踪技术起源于战争,随着科技的不断发展,其被广泛应用于精确制导、战场监视等军事领域和运动规划、自动驾驶等民用领域。机动目标跟踪技术的关键之一在于识别机动目标的运动模式。对于现代跟踪系统而言,目标通常具有强机动性的特点。对这类目标运动模式的识别往往具有较高的技术难度。目前较为主流的交互多模型算法主要存在两个问题:一是模式识别过程和滤波过程耦合;二是交互多模型实质是有向图模型,描述的是单向依赖,而目标运动轨迹点与点之间是相互依赖的关系。鉴于此,本文基于机器学习算法对机动目标运动模式识别展开了如下研究:（1）针对目标运动模式不发生改变时目标的运动模式识别问题,基于机器学习算法,提出一种不需要滤波的目标运动模式识别算法。该算法将原问题视作为机器学习领域的多分类问题,选择机器学习算法中表现突出的XGBoost算法,利用目标的原始轨迹坐标构建特征作为输入,不需要事先进行滤波,并且采用软判决,输出在预设模型集合上的概率分布。实验证明,新提出的算法在预设模型集合上具有较高的准确率。（2）针对目标发生机动时目标运动轨迹的机动检测问题,借鉴传统的机动检测算法和变化点检测算法,提出基于集成学习的机动检测算法。在目标发生机动时,目标的运动模式发生改变,直接对目标运动模式进行识别存在较大偏差,为解决这个问题,需要利用机动检测算法将机动目标运动轨迹分为两段或多段非机动目标运动轨迹。新算法将机动检测视作为机器学习领域的二分类问题,采用集成学习的方式,根据传统机动检测算法的检测窗口设计输入,对目标运动轨迹是否发生机动做出判决。最后,在CV、CA、CT和Singer四种模型的组合上,通过实验证明该算法的可行性和有效性。（3）针对多段非机动目标运动轨迹建模问题,借鉴自然语言处理领域的条件随机场模型,提出基于条件随机场的机动目标运动模式序列识别算法。在目标发生机动时,机动检测算法将机动目标运动轨迹分为两段或多段非机动目标运动轨迹:传统的交互多模型实质是有向图模型,描述了这些目标轨迹与轨迹之间单向依赖的关系,而实际上这些目标运动轨迹与轨迹之间是相互依赖的。新算法利用条件随机场建模后,根据预设模型集合上的概率分布设计特征函数,将目标运动模式识别问题转换为推断问题,最终在全局上得到最有可能的运动模型序列。实验证明,在具备一定先验知识的情况下,该算法具有必要性和有效性。

关键词：机动目标运动模式识别机器学习机动检测条件随机场

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人体肌肉电信号的下肢运动模式识别

基于人体肌肉电信号的下肢运动模式识别

作者：胡晓明重庆大学

学位级别：硕士

近年来,随着人工智能技术的兴起,人体行为模式识别技术受到广泛关注。基于可穿戴设备的人体下肢行为模式识别技术,在康复医学、行人导航、虚拟现实等领域均有广阔的应用前景。人体肌肉电信号中包含了许多与人体运动直接相关的信息,且信... 详细信息

近年来,随着人工智能技术的兴起,人体行为模式识别技术受到广泛关注。基于可穿戴设备的人体下肢行为模式识别技术,在康复医学、行人导航、虚拟现实等领域均有广阔的应用前景。人体肌肉电信号中包含了许多与人体运动直接相关的信息,且信号的持续采集方便、快捷,因此受到广泛应用。本文研究了基于表面肌肉电信号的人体下肢行为模式识别,主要工作如下:(1)结合人体下肢肌肉的分布与功能、人体步态特征参数,选取能够识别下肢主要运动模式的肌肉块,搭建人体肌肉电信号采集系统,对肌肉电信号进行采集。(2)利用带通滤波和小波重构方法滤除肌肉电信号噪声,提出小波重构方法,对信号进行小波分解、阈值限定、加权重构等步骤,得到能够清晰地反映人体步态特征的肌电信号。对重构后的信号进行滑动窗平滑,增强活动段信息。(3)选取能够反映人体下肢运动的特征量,提取肌电信号。如信号的小波特征参数、非线性动力学参数等。利用主成成分分析法,对提取到的特征进行维数约简在不损失识别精度的前提下提高后续识别的运算效率。(4)设计BP神经网络,分析网络信息正向传播与误差反向传递基本原理。设计了网络基本结构,并对网络进行梯度检查与参数调优。在学习K均值算法工作原理的基础上,设计用于转弯识别的K均值算法。(5)设计包含多种下肢运动模式的综合实验。通过实验验证PCA维度压缩对于识别过程的必要性,对神经网络的正则化参数及学习率进行调试。应用反向传播神经网络,对五种下肢运动模式进行综合识别。对K均值算法应用于转弯识别进行了探索。

关键词：运动模式识别表面肌电信号神经网络特征提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

动力踝足假肢运动模式识别与控制研究

动力踝足假肢运动模式识别与控制研究

作者：贾飞哈尔滨工业大学

学位级别：硕士

目前全球有超过六百万的下肢截肢患者,佩戴假肢是辅助截肢患者恢复基本行走能力回归正常生活的关键,现如今市面上主流的假肢大多为被动式,不具备主动出力,这将导致截肢患者要额外消耗30%的能量才能实现正常行走。因此,采用主动式假肢来... 详细信息

目前全球有超过六百万的下肢截肢患者,佩戴假肢是辅助截肢患者恢复基本行走能力回归正常生活的关键,现如今市面上主流的假肢大多为被动式,不具备主动出力,这将导致截肢患者要额外消耗30%的能量才能实现正常行走。因此,采用主动式假肢来取代被动式,可使患者在获得基本行走能力的同时更加省力。电液直驱系统所具备的高功率密度、高效率、高度紧凑的优点使其广泛应用于航空航天的泵控伺服系统中,本文旨在利用电液直驱技术特有的优势特点设计一款主动式踝足假肢,满足膝下截肢患者的需求帮助其恢复行走能力。本文从健全人体的踝关节特性出发,对平地行走状态下一个完整的步态周期内踝关节的运动学和生物力学特性进行分析,通过步态相位划分进行分段研究。利用采集的平地行走、上下楼梯、上下坡五种运动模式下踝关节的运动学数据作为训练样本,通过机器学习选取包含K最临近(KNN)、线性判别分析(LDA)、BP神经网络和支持向量机(SVM)在内的四种模式识别算法对样本进行训练和识别,实现踝足假肢运动模式识别,训练结果表明四种算法下运动模式识别的准确率均可达到95%以上。本文在模式识别的基础上依据步态相位划分为五种运动模式下踝足假肢的运动设计控制系统,支撑相和摆动相分别采用有限状态阻抗控制器和位置控制器来还原健全人体踝关节的阻抗特性,仿真结果显示所设计的控制系统可以很好的还原健全人体踝关节在不同运动模式下角度同扭矩之间的映射关系。本文完成了动力踝足假肢实验系统装置的搭建,通过空载台架实验对踝足假肢运动学特性进行分析,实验结果显示在摆动相假肢具备良好的位置跟踪性能。设计了一款辅助穿戴设备用于膝下踝足假肢的穿戴实验,通过行走实验验证了模式识别系统的准确性并选取BP神经网络算法作为主要运动模式识别算法,通过穿戴实验验证了有限状态阻抗控制器的合理性,帮助截肢患者最大程度还原平地行走过程。

关键词：动力踝足假肢电液直驱系统运动模式识别有限状态机阻抗控制

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：姜伟辽宁工程技术大学

学位级别：硕士

基于微机电系统（Micro-Electro-Mechanical System,MEMS）的人体动作识别属于模式识别领域,随着现代化技术的高度发展,基于微机电系统的动作识别逐渐成为该领域中的重要研究方向之一。顾及MEMS具有体积小、易携带、低成本与高性能等优... 详细信息

基于微机电系统（Micro-Electro-Mechanical System,MEMS）的人体动作识别属于模式识别领域,随着现代化技术的高度发展,基于微机电系统的动作识别逐渐成为该领域中的重要研究方向之一。顾及MEMS具有体积小、易携带、低成本与高性能等优点,通过识别人体日常活动实现对目标运动的连续监测,MEMS的使用前景较为广阔,适用范围包括医疗看管、竞技运动和电子仪器等领域。尽管该研究在近几年取得一定发展,但仍旧面临很多待需解决的问题,这些问题多为行人数据较为隐私不易获取、行人在采集传感器数据时,数据量不够充分、人体在运动时存在随机运动,导致多样性,并且行人的生活环境较为复杂等方面。基于此些问题,基于MEMS传感器的人体运动识别仍具有较大的研究价值。论文在总结国内外研究现状基础上,对行走、跑步、上楼梯、下楼梯、站立和静坐等6种人体日常运动行为进行识别。主要研究工作包括:（1）针对MEMS精度低且传统校准方法依赖转台等测试设备,无法满足现场校准需求的问题,提出一种微惯性测量单元（Micro-Inertial Measurement Unit,MIMU）简易校准方法。该方法基于多位置校准方案,通过建立MIMU系统误差模型,将轴间耦合误差、坐标系未对准误差、零偏误差及标度因子误差考虑在内,实现无需外界设备辅助的MIMU快速校准。依据系统误差模型开展MIMU校准实验,校准后陀螺仪输出精度提高27.48%,加速度计输出精度提高93.60%。（2）顾及惯性器件原始输出数据信噪比低的问题,基于数据挖掘,设计正态分布离群点校正方法。采用集合经验模态分解（Ensembel Empirical Mode Decomposition,EEMD）阈值降噪技术对惯性传感器数据进行预处理,相比需事先确定小波系数和分解层数的小波降噪,EEMD阈值降噪具有较强自适应能力。分别在本地数据集和原始数据集上开展运动模式分类识别实验,结果表明:采用论文提出的惯性器件原始输出数据预处理方案,基于LSTM算法平均查全率提升了3.7%。基于SVM算法平均查准率提升了6%。（3）设计基于长短期记忆网络（Long Short-Term Memory,LSTM）的运动模式分类器。LSTM将活动数据输送到遗忘门后,利用sigmoid函数决定需要保留和舍弃的信息,并在输入门中利用sigmoid函数和tanh函数对状态进行更新,最后在输出门中决定需要输出的数据。设计的LSTM包括输入层、隐藏层和输出层,将采集的活动数据输出到LSTM输入层,并在隐藏层中提取特征向量,最后由输出层输出LSTM结果,论文通过将隐藏层设计为两层,并将每个隐藏层设计为两个方向相反且并行的路径后对特征进行提取。利用LSTM分类器对行人日常活动中的6种活动进行辨识,实验结果表明:在本地数据集下LSTM对6种人体日常活动的平均查全率为95.5%,平均查准率为95.5%。（4）设计基于支持向量机（Support Vector Machine,SVM）的运动模式分类器。通过对原始数据进行训练,确定最优超平面和惩罚因子,选择合适学习率、损失率和核函数并对数据进行分类。论文通过对原始数据进行预处理,提取561种特征向量实现对行走、跑步、上楼梯、下楼梯、站立和静坐进行识别分类并开展实验测试,结果表明在本地数据集下,利用SVM分类器的平均查全率为93.5%,平均查准率为93.9%。（5）为进一步对论文所提算法进行分析验证,选取加州大学开源DSAD数据集并进行人体行为识别测试,结果表明,基于LSTM的分类器具有更高的性能上限;而基于SVM的分类算法具有较好的表现效果,由此可知,基于SVM的分类算法在处理不同类型的数据时,具有较好的泛化能力。该论文有图43幅,表14个,参考文献74篇。

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

动力假肢膝关节运动模式识别与轨迹预测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

动力假肢膝关节运动模式识别与轨迹预测方法研究

作者：韩松均上海大学

学位级别：硕士

根据中国残疾人联合会发布的数据,中国肢体残疾人数约2472万,在截肢患者中下肢截肢者占比约80%。动力假肢膝关节作为帮助大腿截肢者恢复运动的重要工具,能够识别运动模式并自适应调节运动轨迹,已经成为截肢者的迫切需求。然而,目前的研... 详细信息

根据中国残疾人联合会发布的数据,中国肢体残疾人数约2472万,在截肢患者中下肢截肢者占比约80%。动力假肢膝关节作为帮助大腿截肢者恢复运动的重要工具,能够识别运动模式并自适应调节运动轨迹,已经成为截肢者的迫切需求。然而,目前的研究仍存在运动模式识别准确性差和膝关节运动轨迹预测精度低等问题,这严重地影响了假肢的自适应调节性能。本文在查阅大量文献的基础上,设计了基于残肢侧运动信息的动力假肢膝关节连续运动控制模型,重点对模型中的运动模式识别和膝关节轨迹预测展开研究。在运动模式识别方面,识别准确率主要受到输入特征和识别算法的影响。本文首先提取残肢侧大腿运动数据的时域特征,结合足底角度组成输入特征向量用于运动模式识别;然后构建基于支持向量机(SVM)的运动模式识别模型,并采用递归式特征消除(RFE)算法对模型的输入特征进行筛选;最后通过实验对平地行走、上楼梯、下楼梯、上斜坡和下斜坡五种运动模式进行识别。结果表明,基于SVM-RFE的运动模式识别方法的识别准确率达到99.5%,比目前的K近邻和反向传播神经网络(BPNN)方法的准确率分别高出3%和1.5%。在膝关节轨迹预测方面,本文通过分析髋-膝关节运动的协调关系,提出基于大腿残肢运动信息的假肢膝关节轨迹预测方法,并结合运动模式识别,实现多种运动模式下的膝关节轨迹预测。针对模型输入特征少,有效信息挖掘不充分而导致膝关节轨迹预测精度低的问题,提出基于Cross-BP网络的膝关节轨迹预测模型,并进行模型结构参数设计。针对模型训练过程中容易陷入局部最优的问题,采用粒子群算法(PSO)优化模型参数。最后通过实验验证膝关节轨迹预测的效果。结果显示,对五种运动模式,Cross-BP网络预测的膝关节轨迹与真实膝关节轨迹的均方根误差(RMSE)分别为4.31°、3.94°、7.33°、3.86°和5.57°,相较于BPNN分别低了17.59%、30.14%、18.92%、15.35%和16.99%。为了验证运动模式识别和膝关节轨迹预测方法在总体控制系统中的可行性和准确性,根据动力假肢膝关节连续运动控制模型,搭建控制系统的软、硬件实验平台,并进行实验。结果表明,系统对运动模式的识别准确率达到98%;假肢膝关节运动轨迹与真实膝关节运动轨迹间的最低相关系数为0.917,高于目标值0.9。由此证明运动模式识别和膝关节轨迹预测方法的可行性和准确性。运动模式识别准确性和膝关节轨迹预测精度的提高,将有效地改善动力假肢膝关节的自适应调节性能,同时本研究成果能够为后期研究提供重要参考。

关键词：动力假肢膝关节运动模式识别膝关节轨迹预测支持向量机神经网络

基于多传感器数据融合的人体运动模式识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机测量与控制 2016年第1期24卷 303-307页

作者：张毅任同辉罗元重庆邮电大学信息无障碍工程研发中心重庆400065 重庆邮电大学光纤通信技术重点实验室重庆400065

针对单一传感器在人体运动姿态监测中误差较大的问题,提出了一种基于加速度传感器和陀螺仪数据融合的人体运动模式识别方法;该方法使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,采用卡尔曼滤波算法实现多传... 详细信息

针对单一传感器在人体运动姿态监测中误差较大的问题,提出了一种基于加速度传感器和陀螺仪数据融合的人体运动模式识别方法;该方法使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,采用卡尔曼滤波算法实现多传感器信息的融合,有效提高了姿态角度测量的准确度;根据人体日常的活动状态构建了基于人体姿态角度特征的隐马尔可夫模型实现人体运动模式的识别;实验表明,该方法比采用单一传感器方法识别的准确率高,可以有效区分不同的日常活动行为。

关键词：运动模式识别卡尔曼滤波数据融合姿态检测

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

基于惯性数据驱动的多载体运动模式识别方法

基于惯性数据驱动的多载体运动模式识别方法

中国惯性技术学会2023年科技工作者研讨会——新型惯性元件与先进导航技术

作者：毛瑞邓志红张平北京理工大学自动化学院导航制导与控制技术教育部工程研究中心

载体运动模式识别是实现惯性导航信息增强、分析微惯性测量单元(Micro Inertial Measurement Unit,MIMU)误差参数可辨识度的基础。为了获取准确的载体运动类型,本文提出了一种基于惯性数据驱动的多载体运动模式识别方法。首先利用自相... 详细信息

载体运动模式识别是实现惯性导航信息增强、分析微惯性测量单元(Micro Inertial Measurement Unit,MIMU)误差参数可辨识度的基础。为了获取准确的载体运动类型,本文提出了一种基于惯性数据驱动的多载体运动模式识别方法。首先利用自相关系数和垂直加速度标准差设计了基于数据统计特征的载体类型快速识别方法;然后针对行人、车辆、固定翼无人机分别设计了以Transformer编码器为核心结构的运动模式识别模型;最后采用数据增强的方法调整样本分布,同时在损失函数中引入角度惩罚项,完成模型训练。实验结果表明基于数据统计特征的载体类型识别方法可以在起动阶段3s内完成载体类型识别,在小样本上准确率达到100%。基于Transformer的行人、车辆和固定翼无人机的运动模式识别模型识别准确率达到97.27%、90.86%、96.88%,均优于传统算法,能够有效完成多载体运动模式识别任务。

关键词：运动模式识别微惯性测量单元(MIMU) 惯性数据驱动 Transformer

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于时序分析的人体运动模式的识别及应用

计算机应用与软件 2014年第12期31卷 225-228页

作者：林海波李扬张毅罗元重庆邮电大学自动化学院重庆400065 重庆邮电大学光电工程学院重庆400065

为了满足对老年人活动能力的检测需求,提出一种基于人体动作状态序列时序分析的运动模式识别方法。利用加速度传感器采集人体腰部的运动信息,通过滑动窗口对加速度数据进行自动检测、去噪和特征提取,构造隐马尔科夫模型实现人体日常活... 详细信息

为了满足对老年人活动能力的检测需求,提出一种基于人体动作状态序列时序分析的运动模式识别方法。利用加速度传感器采集人体腰部的运动信息,通过滑动窗口对加速度数据进行自动检测、去噪和特征提取,构造隐马尔科夫模型实现人体日常活动序列的训练和识别。实验结果证明该方法可以有效区分不同的日常活动行为,能在辅助医疗中发挥重要作用。

关键词：时序分析运动模式识别加速度传感器隐马尔科夫模型