姿态识别

摘要： 基于图像的人体异常行为检测方法,当人数增多、遮挡等情况发生时,人体行为数据信息可靠性较低,检测精度不高、自适应性差,本文提出一种基于姿态特征的异常行为检测方法解决上述问题。利用成熟的人体姿态识别技术提取视频中人体关节点数据,将关节点坐标转化为人体行为的角度特征和距离特征以表达人体姿态;应用机器学习方法对关节特征进行分析和处理,获取有利于标识异常动作的数据分布特征;采用聚类算法在视频序列中对异常行为进行标记;使用支持向量机识别具体异常动作种类,实现人体异常行为检测。实验结果表明,相比于基于图像检测的方法,该算法检测精度达到了89.65%,可以运用于室内人体行为检测。

摘要： 近日,历经4个月,淮钢公司一号原料厂混匀矿料池4号混匀堆料机、3台混匀取料机于2022年1月成功实现智能堆取、机上无人化操作。这是淮钢首套堆取料机远程操控系统成功应用,开启了淮钢“智能制造”新篇章。为解决职工劳动强度大、物料信息更新延迟、无法实现精细化管理的难题,淮钢该项目团队人员结合现场实际工况特点,形成一套料场无人化操控项目方案。技术人员通过增设安防系统,实时监控现场人员与设备状态,实现提前预警;通过增设姿态识别、走行控制系统,检测车体走行位置,确保远程操控的精准性;通过增设视频监控系统,获取料堆现场状态,实现远程监控调整。

摘要： 提出一种多算法融合的跌倒行为识别算法。首先,针对人体目标的特征对YOLOv3 tiny检测算法进行改进,有效框定人体动态目标区域,提取出目标前景;在此基础上利用AlphaPose姿态识别框架识别出人体骨骼关键点,得到人体主要关节图;最后以人体关节图坐标信息为输入,通过时空图卷积神经网络对跌倒等动作进行检测识别,满足对不同场景跌倒的有效检测。实验结果表明:融合算法改善了不同场景下跌倒行为的检测效果,检测的准确率可达到97.4%,并有效降低了误检率。

摘要： 针对现有基于惯性传感器的人体运动姿态识别中涉及特征较多、常用姿态识别方法不全面、识别精度不足等问题,开展了人体正常行走、跑步、后退、左右侧步、上下楼梯等多种运动姿态识别及修正算法研究,通过特征提取与建库、特征筛选、姿态识别与修正等过程进行人体的运动姿态判定。首先详细阐述了在人体多姿态运动场景下的特征数据提取过程以及基于多信息融合的特征筛选方法。然后针对人体运动姿态误判,提出了基于人体运动连贯性检测的姿态修正算法。最后搭建多分类器并利用选取特征数、识别准确率、修正结果等数据对所提出的算法进行了验证。实验结果表明,所提出的算法以平均8个特征值使得人体运动姿态识别准确度达到98%,并通过修正算法可将识别准确度提升至99.67%,以少量的特征数目达到了更高的多姿态分类准确率。

摘要： 根据文献报道,人体所辐射红外线的中心波长为9~10μm,这不同于其他非生命体所辐射红外线的中心波长,同时也与其他非人类生命体的红外辐射有所区别。因此,可以此对人体运动进行识别、监控。根据这个原理,研究并设计出一种小巧的被动式红外报警器,通过红外传感器继电器的输出来检测人体运动,并触发报警。该系统操作简单,采用直流电池供电,用被动检测的方法保证,对人体运动进行有效检测,且功耗相对较低。对典型室内场景对红外传感器进行评估,剖析其存在的问题,并进行完善。结果表明,这款新型商用被动式报警器能够在外界干扰的情况下准确识别人体姿态,并作出相关反应。

摘要： 目前用于人物二维动画建模的人物成像算法存在精准度不高、执行效率差的问题,还有较大提升空间。基于此,提出了一种基于深度学习的人物二维动画生成算法,对人体运动状态下的姿态进行识别、模拟,对视频图像预处理、人物边缘轮廓绘制提炼,以神经网络结构算法为基准,采用聚类算法对关键关节点数据进行处理,降低数据处理量,提高执行效率。结合人物动作姿态识别和二维动画建模,实现了针对动画人物构建改进的卷积神经网络架构,并运用大数据分析建模最终生成人体二维动画模型。对比经典的算法,明显提高了动作识别的精准度以及算法的执行速度。

摘要： 介绍了一种基于深度学习的计算机视觉应用方向一姿态识别,是基于PoseNet模型开发的一款实现人体姿态识别的Android应用。基于PoseNet模型实现的人体姿态识别更加轻量高效,具有很高的应用价值。讲解了姿态识别开发过程中关键技术的实现,包括姿态识别的基本处理过程与整体架构、PoseNet的网络模型结构、利用模型输出数据进行人体骨骼关键点的计算、安卓端界面的实现与绘制等内容。

摘要： 针对现有潜航员作业姿态识别分析方法中识别过程繁琐、识别精度低的问题,提出基于卷积姿态机的潜航员作业姿态识别分析方法.对人体姿态特征进行结构化编码,构建空间及投影坐标系进行解析,定义肢体角度计算公式与肢体特殊状态判断流程.通过搭建潜航员作业姿态识别算法,实现作业姿态RGB图像空间特征与纹理特征的提取,输出潜航员作业姿态关节点、肢体角度与状态数据.通过采集潜航员作业姿态图像构建潜航员作业姿态样本数据集,对所提方法进行应用验证.在算法测试中,识别算法的PCK指标值达到81.2%.在应用验证实验中,算法识别关节点的平均准确率达到87.7%.该方法在潜航员作业姿态识别分析上是可靠的,可以有效地识别与分析潜航员作业姿态中的危险因素.

摘要： 基于SLAM导航和计算机视觉技术自主研发了一款药品配送机器人用于代替医护人员按时按需为患者配送药品。机器人以US-C5300为核心主控,采用Linux操作系统,底部搭载12V电机以及全向轮给予机器人驱动力,同时配合激光雷达、摄像头、光敏传感器、扬声器、智能药盒等硬件设备,实现机器人自主寻径导航、人脸识别患者身份、摔倒检测、药方查询、药物管理、智能出药等功能。此外为防止操作不当,采用语音提示、图形化显示、远程云端操作以及实时触控等技术实现人机交互。目前该项目已经落地于医疗场所、养老机构等场景,结合新冠肺炎疫情的背景下,机器人也可以起到有效阻断传播途径、降低传染风险,提高送药效率、减少人工成本、方便管理层对用药情况进行数字化管理的作用。

摘要： 针对当下球类陪练机器人人机交互能力不足的问题,提出一种基于树莓派和YOLOv5目标检测算法的新型人机交互模式,使机器人实现前进、后退、左移、右移、抛球、踢球6种不同的动作;通过对在3种不同环境(室内、室外晴天、室外阴天)下搜集的人体姿态数据集进行标定、训练后,得到6种姿态在3种环境中测试集上的识别准确率分别为:室内96.33%、室外晴天95%、室外阴天94.3%。相比基于特征匹配和其他利用手势等小目标检测的算法,基于该算法的机器人具有更高的检测速度和准确性,使机器人更加智能化。

摘要： 为监控猪的行为,本文提出了基于Zernike矩及支持向量机的猪的行走姿态识别方法。首先采用Otsu自适应阈分割对图像进行二值化处理,并对二值化后的图像进行数学形态学开闭运算,再用Canny算子作边缘检测,提取出原始图像中猪的轮廓图像。然后,根据标准矩对上述图像进行归一化,再对归一化后的二值轮廓图提取Zernike矩特征;在此基础上,利用支持向量机理论设计了多种姿态分类器,实现对猪的正常行走、低头行走、抬头行走、躺卧等四种姿态的识别。rn 实验结果表明,此方法由于充分利用Zernike矩的正交性和矩不变量,使得在特征提取时保证了足够的有效信息,将支持向量机应用到猪的姿态分类问题上,使特征提取更加有效。对猪的姿态分类识别的准确度达到了98％以上。

摘要： 本文根据猪体轮廓所具有的椭圆特性提出一种简单、易行的姿态识别算法，以区分猪的不同姿态和精神状态。首先采用形态学的方法对猪体图像进行预处理，从而进行边缘提取，并对边缘上的点进行椭圆拟合，根据头颈部、躯体和四肢在空间分布的特点，来确定猪的姿势特征，再运用支持向量机分类器对不同的姿态分成正常站立，低头站立和躺卧三类，不同的姿态对应着不同的精神状态，最后得出图像中猪的精神状态。该方法对自建的猪体姿态库进行实验，实验结果验证了上述方法的有效性。

摘要： 近年来,穿戴式监控技术已成为军事医学卫生装备和消防医疗健康监护研究的一个热点.相对于传统的监控设备,穿戴式监控是一种低生理、心理负荷的技术,穿戴式监控系统具有体积小、成本低、功耗小、携带方便的突出特点.本文在分析当前国内外有关研究现状的基础上,提出了一种基于可穿戴的惯性和生理传感器的多模态信息融合监控系统,通过LSTM-RNN深度神经网络训练传感数据进行运动姿态的识别,并通过异常监测等方法实现紧急状况的报警机制.具体地,对相关的关键设计与技术问题,包括传感器类型、佩戴位置、数据采集方法、通信架构以及分类算法和异常检测算法等,进行了深入的研究和探索.经过实验验证,该系统对运动姿态识别有较高准确率,并智能地实现了紧急状况报警机制,很好地满足了恶劣环境下的监控需求.

摘要： 本文介绍了消防单兵姿态识别的现实意义,设计出一种新型消防单兵姿态传感装置,用于抢险救援作业中消防员实时姿态识别.该装置利用开关量复合进行人体运动姿态检测，利用多个低廉电子器件水银开关，结合振动传感器，进行姿态识别。单兵姿态传感装置无线传输单元用于接收无线发射的命令以及发送消防单兵的姿态和报警信息。无线传输单元主要由CC1100芯片构成.该装置价格低廉，人体佩戴位置要求低，识别准确率在95%以上，对于有效提升消防员灭火救援时的安全性，提供了可靠的技术支撑。该装置可以确定消防队员的站立、俯仰、行走、奔跑和爬行等12种姿态.该装置在设计时,以精简实用为主要思想,充分结合实战需求,其识别准确率和火场耐受性均经过实战测试.该装置可以与消防员呼救器等装备结合使用,具有良好的推广前景.

摘要： 直升机飞行状态与监测的各飞行参数之间的关系为复杂非线性关系。本文采用三层RBF网络，以与飞行状态密切相关的特征参数为输入，飞行状态类别为输出。利用已知飞行状态、飞行参数的实测飞行数据训练神经网络，并对另外一部分数据进行仿真试验，以验证网络的识别率。为提高识别率，采用了高度速度预分类器、去野点、限幅和平滑处理等措施，并取得了较满意的结果。

摘要： 直升机飞行状态与监测的各飞行参数之间的关系为复杂非线性关系。本文采用三层RBF网络，以与飞行状态密切相关的特征参数为输入，飞行状态类别为输出。利用已知飞行状态、飞行参数的实测飞行数据训练神经网络，并对另外一部分数据进行仿真试验，以验证网络的识别率。为提高识别率，采用了高度速度预分类器、去野点、限幅和平滑处理等措施，并取得了较满意的结果。

摘要： 直升机飞行状态与监测的各飞行参数之间的关系为复杂非线性关系。本文采用三层RBF网络，以与飞行状态密切相关的特征参数为输入，飞行状态类别为输出。利用已知飞行状态、飞行参数的实测飞行数据训练神经网络，并对另外一部分数据进行仿真试验，以验证网络的识别率。为提高识别率，采用了高度速度预分类器、去野点、限幅和平滑处理等措施，并取得了较满意的结果。

摘要： 直升机飞行状态与监测的各飞行参数之间的关系为复杂非线性关系。本文采用三层RBF网络，以与飞行状态密切相关的特征参数为输入，飞行状态类别为输出。利用已知飞行状态、飞行参数的实测飞行数据训练神经网络，并对另外一部分数据进行仿真试验，以验证网络的识别率。为提高识别率，采用了高度速度预分类器、去野点、限幅和平滑处理等措施，并取得了较满意的结果。

摘要： 本文以对鹿体姿态的识别为例,针对鹿体姿态的特点,提出了一种基于DM642的动物体姿态判别方法。首先采用以TMS320DM642 (DM642)为核心处理器的图像处理系统对图像进行了处理,获得了鹿体图像的准确轮廓,然后分别用4个椭圆对所获得的图像中鹿的颈部、去除颈部的躯干以及四肢进行拟合,最后利用线性代数的知识分别求出这4个用以表征鹿体姿态信息的椭圆的长短轴长度和方向。

摘要： 本文以对鹿体姿态的识别为例,针对鹿体姿态的特点,提出了一种基于DM642的动物体姿态判别方法。首先采用以TMS320DM642 (DM642)为核心处理器的图像处理系统对图像进行了处理,获得了鹿体图像的准确轮廓,然后分别用4个椭圆对所获得的图像中鹿的颈部、去除颈部的躯干以及四肢进行拟合,最后利用线性代数的知识分别求出这4个用以表征鹿体姿态信息的椭圆的长短轴长度和方向。

摘要： 本发明涉及一种人体姿态识别模型建立方法和人体姿态识别方法。该人体姿态识别模型建立方法包括：获取不同姿态下的人体运动信号，其中，所述人体运动信号的来源包括穿戴于人体的智能穿戴设备；对所述人体运动信号进行预处理，获得模型输入信号；基于所述模型输入信号对预设模型进行训练，获得人体姿态识别模型，所述人体姿态识别模型用于输出姿态分类结果，其中，所述预设模型包括依次连接的双向长短期记忆网络和支持向量机分类器，所述模型输入信号用于对所述双向长短期记忆网络进行训练。本发明的技术方案有助于提高人体姿态识别的精度和效率。

摘要： 本申请公开了一种手部姿态识别方法、手部姿态识别模型的训练方法、装置、计算机设备及存储介质，属于人工智能技术领域。本申请基于二维姿态识别模型对视频的第一视频帧进行处理，以确定描述手部二维姿态的多个二维手部关节点；基于与该手部的手性特征匹配的三维姿态识别模型和该多个二维手部关节点，确定该手部的多个三维手部关节点；通过约束损失函数和该第一视频帧之前的第二视频帧对该多个三维手部关节点进行处理。通过上述技术方案，在针对视频进行手部姿态识别时，约束多个视频帧的三维手部关节点之间的差距，以参考多个视频帧中手部之间的关联性，保证了针对视频确定出的手部姿态连贯流畅，大大提升了手部姿态识别结果的稳定性。

摘要： 本发明涉及一种运动姿态识别模型构建方法和运动姿态识别方法。该运动姿态识别模型构建方法包括：获取分别与不同运动姿态对应的人体运动信号，其中，所述人体运动信号包括三维度加速度信号；对所述人体运动信号进行预处理，获得模型输入信号；基于所述模型输入信号对预设模型进行训练，获得运动姿态识别模型，所述运动姿态识别模型用于输出运动姿态分类结果，其中，所述预设模型包括依次设置的卷积网络、双向长短期记忆网络和注意力层。本发明的技术方案可以有效提高人体运动姿态识别的精度和效率。

摘要： 本发明涉及图像识别技术领域，尤其涉及建立人体姿态识别模型的方法、人体姿态识别方法及装置，所述方法包括：获取图像训练数据，其中，图像训练数据包含当前帧图像和前一帧图像，前一帧图像位于当前帧图像的前一帧，当前帧图像具有已确定的人体姿态；对前一帧图像中的人体关键点坐标进行升维处理，获得与前一帧图像对应的升维图像；将当前帧图像与升维图像进行拼接，获得拼接图像；将与当前帧图像对应的人体姿态的人体关键点坐标作为训练标签，利用深度神经网络对拼接图像进行训练，获得人体姿态识别模型。本发明提高了人体姿态识别结果的准确性。

摘要： 本发明实施例公开了姿态识别模型训练方法、装置、姿态识别方法和终端设备，该方法包括：利用经过初步训练的姿态识别模型从未标注的姿态样本图中识别出预设数目个预测关键点，并利用预设数目个预测关键点标注姿态样本图；分别计算已标注预设数目个预测关键点的姿态样本图与所述姿态样本训练集中各个已标注的姿态样本之间的置信度；从各个置信度中确定最大置信度；在所述最大置信度大于预设的置信度阈值时，利用所述已标注预设数目个预测关键点的姿态样本图继续训练所述姿态识别模型，直至所述姿态识别模型的损失值小于预设的损失阈值。本发明的技术方案可以有效减少人工标注训练样本的时间，减少人力资源的浪费，缩短姿态识别模型的训练周期。

摘要： 本公开提供了一种基于姿态识别神经网络的姿态识别方法、设备和介质。姿态识别神经网络包括编码网络和第一全连接层，编码网络包括多个第一卷积层和多个第二卷积层，该姿态识别方法包括：获取待识别图像；利用多个第一卷积层分别地对待识别图像进行处理，用于得到与多个第一卷积层分别对应的多个第一特征图；将多个第一特征图合并为中间图像，并利用多个第二卷积层依次地对中间图像进行处理，用于得到第二特征图；利用第一全连接层对第二特征图进行处理，用于得到姿态特征向量，其中，姿态特征向量的分布表征基于待识别图像得到的识别姿态。

摘要： 本发明涉及人工智能，公开了一种姿态识别模型的训练方法，包括：获取人体样本图像和对应的人体样本姿态，将人体样本图像分别输入训练完的第一姿态识别模型和第二姿态识别模型。其中，第一姿态识别模型对应的沙漏网络的第一层数大于第二姿态识别模型对应的沙漏网络的第二层数。根据第一姿态识别模型的输出和第二姿态识别模型的输出，对第二姿态识别模型进行训练。当训练次数达到预设阈值时，完成对第二姿态识别模型的训练。此外，本案涉及区块链技术，所述人体样本图像和对应的人体样本姿态存储于区块链中。

摘要： 本申请适用于图像识别技术领域，提供了一种运动姿态识别方法、运动姿态识别装置、终端设备及介质，其中，一种运动姿态识别方法，通过训练好的双流长短时视频姿态估计模型，对目标时段包含运动体的待识别视频图像进行运动姿态识别，通过训练好的双流长短时视频姿态估计模型中的双流3D卷积神经网络对待识别视频图像进行运动体综合特征提取，再通过递归神经网络基于第一时段内运动体的第一姿态预估信息与运动体综合特征，得到运动体在目标时段内的目标预估姿态信息，令得到的运动体在目标时段内的目标预估姿态信息表征的预估姿态具有时序连贯性，使得出的预估姿态与预设参考姿态之间的欧几里得距离更加准确，提高了对运动体的运动姿态识别效率。

摘要： 本发明公开一种基于多传感器的警犬姿态识别数据背心，包括背心主体，头套，分别设于背心主体上姿态检测传感器模块、高度传感器模块、主控模块，及设于头套上的视频图像获取模块，姿态检测传感器模块包括陀螺仪、加速度计和磁力计。本发明还公开一种姿态识别方法，首先测量得到陀螺仪的角速度ω，对其校正得到角速度ωxyz；测量得到姿态检测传感器模块的加速度对其校正得到加速度gxyz；测量得到姿态检测传感器模块的磁场强度m，对其校正得到磁场强度mxyz；构造姿态估计值，并利用融合算法得到机体旋转姿态。此种技术方案能够实现对警犬姿态的实时重建与仿真。同时通过警犬头部摄像头，实时获取现场图像信息。

摘要： 本申请揭示了一种姿态识别床品及姿态识别方法，其中姿态识别床品包括床品本体和信号采集模块，所述床品本体内包括多个电容传感器，多个所述电容传感器分别与所述信号采集模块电连接；多个所述电容传感器沿人体躺卧的方向，在所述床品本体内按照第一预设排列方式排布；各所述电容传感器内均包含采用柔性可延展导电材料制成的电极，各所述采用柔性可延展导电材料制成的电极与所述人体躺卧的方向平行，各所述电容传感器互不接触。本申请能够准确地检测对应区域的人体覆盖信息，大大提高姿态识别的准确率。