融合改进LM算法及动态时间规整算法的人体动作捕捉研究

人体动作捕捉是指通过技术手段捕捉人体的运动轨迹和姿态信息,广泛应用于娱乐、体育、医疗等领域.然而,现有的动作捕捉技术存在捕捉不准确、计算效率低等问题,影响了其在实时应用场景中的表现.针对这些问题,引入一种骨骼点坐标拟合优化Levenberg-Marquardt算法,并采用粒子群算法对其加以优化.同时采用动态时间规整算法进行人体动作捕捉及评估,以期实现人体动作的实时捕捉.结果显示,该算法对肩部侧平举这一动作的捕捉准确率最高达到了99.23%,明显优于其余对比算法.此外,该算法对深蹲动作的测试时间最短,仅为1.15 s,表明该算法在进行动作捕捉时具有显著的性能优势及很强的实际应用效果,为人体动作捕捉领域提供了新的解决方案.

动态时间规整算法在时程反应分析选取地震动中的应用

地震动记录是进行结构时程反应分析的重要输入数据。由选取不同地震动记录所计算的时程反应分析结果之间的差异非常显著。本文依据我国现行建筑结构抗震设计规范规定的在时程反应分析中选取地震动的原则,基于动态时间规整算法提出了一种在全周期范围内匹配目标设计谱的地震动选取方法。该方法以DTW距作为控制加速度反应谱与目标设计谱匹配程度的标准参数。为便于在实际中应用,对于每一种不同形式的目标设计谱,本文均给出了10条与该目标设计谱最为匹配的地震动记录。为验证本文方法的有效性,最后以3个不同自振周期的框架结构为例,对本文方法进行了验证。

基于动态时间规整算法的药用植物叶片识别方法

通过动态时间规整算法实现在没有训练集的情况下,对比药用植物叶片进行药用植物的识别与鉴定。该方法较机器学习模式实现更加简单,可以应用在基础的药用植物分类学习过程中,具有较高的实际应用价值。

基于动态时间规整算法的时间序列遥感影像树种分类

时间序列影像能够反映植被的物候信息,有助于大幅度提高植被聚类精度,尤其对于单时相影像上生长特性相似的树种效果尤其明显。动态时间规整算法(DTW)能够解决不等长时间序列的匹配问题,且能够抵抗噪声造成的时间序列中出现的异常值,从而取得更好的相似特征匹配效果。基于6时间序列GF-1影像数据,分别采用DTW和欧式距离(ED)进行时间序列的相似性度量,然后将DTW距离和ED距离运用到K-Means算法中,完成对图像树种的聚类。结果表明:基于DTW-K Means的时间序列遥感影像分类方法能够适用于树种分类,总精度为92.21%,Kappa系数为0.90,均高于ED-K Means方法。

基于动态时间规整算法的虚拟沙画手势识别方法

针对目前虚拟沙画手势识别率不高且沙画手势模板较少的情况,提出了1种基于动态时间规整算法的虚拟沙画识别方法,采用Leap Motion获取原始数据,通过沙画手势周期特征值提取方法引入1种新的沙画手势特征值向量组合;进而建立包括12种虚拟沙画手势的模板库;最后通过动态时间规整算法计算测试手势和模板手势的相似度,由相似度差异得出虚拟沙画手势识别的结果。实验表明,所提方法识别虚拟沙画手势准确率高,不同沙画手势间的耦合性较低。

基于K近邻和动态时间规整算法的盲人物联网手杖系统

针对盲人出行时的安全和监护问题,提出了一种基于机器学习算法的盲人物联网手杖系统的设计,该系统具有避障、定位、报警和通信等多种功能。首先,该系统具有红外线避障和超声波测距避障的基本功能,可以用于盲人日常出行对路况障碍物的检测,并且实时利用语音和电机震动给予提醒;其次,该系统还具有远程通信求助功能,可以向指定号码发送求助短信及电话;同时,系统还加入了全球定位系统(GPS)、加速度计陀螺仪姿态角度解算功能和以K近邻(KNN)和动态时间规整(DTW)算法为基础的异常姿态报警功能,它能将各类信息数据传输至云端服务器存储;最后,采用微信小程序代替原生APP作为监护操作界面,并提供一键报警、天气查询、盲人安全资讯等功能。测试实验结果表明,所提系统的姿态识别成功率达到了86%,正确率比姿态角系统提高将近31%。该盲人物联网手杖系统可以极大地提高盲人出行的安全性,使盲人能够在发生意外时及时求助,实现了对盲人姿态的安全监护和定位监护。

运用Sentinel-1A时序数据和动态时间规整算法提取稻虾田空间分布信息

针对稻虾田水稻移植期的不确定性给稻虾田空间分布信息提取带来的困难,运用SAR VH极化年时序数据、VV极化年时序数据以及调查区稻虾田各自极化的年时序数据通过标准化处理后,进行TWDTW方法(time-weighted dynamic time warping)计算,得到二波段(VH极化、VV极化)与调查区稻虾田年时序数据相似度空间分布栅格数据,再利用最大似然法进行监督分类,得到2016—2018年3年的监利县稻虾田空间分布栅格数据,分类结果与4块区域(龚场镇、福田寺镇、红城乡、白螺镇,面积分别是373.33、2200.00、126.67、240.00 hm 2)稻虾田实际分布图比较,其Kappa系数分别是0.79、0.80、0.75、0.90,介于0.75~0.90之间,说明运用Sentinel-1A时序数据和动态时间规整算法的提取方法是准确的。由于SAR传感器具有全天侯以及不受云层影响等特点,能定期获取研究区上空数据,相比光学传感器获得无云或者少云数据的不确定性,此方法能在实际操作中运用。

语音识别中动态时间规整算法的硬件加速实现

动态时间规整算法(Dynamic Time Warping,DTW)是语音识别中常用的技术之一。为了提升因数据量增加以及算法对数据的高度依赖性所导致的计算性能降低,提出一种针对语音帧的动态时间规整算法硬件架构。识别计算过程中,通过使用算法时间复杂度相对低的下界距离函数(Lower Bound Function,LBF)取代算法时间复杂度高的动态时间规整算法进行语音特征序列全模板匹配,筛选出近似的语音特征序列,经过逻辑组件的流水线调度送入PE-FIFO环形计算单元,进行精准动态时间规整计算。实验使用ARTIX-7 XC7A35T器件进行板级验证,平均耗时4.58 ms,相较于同类型硬件识别方案速度提升4倍以上,识别率达到91%。

基于动态时间规整算法的用户侧谐波扩散评估

传统上,谐波扩散的研究是在恒定背景谐波的条件下进行的,这对于实际的时变系统是不适用的。因此本文提出一种估计背景谐波波动条件下用户侧谐波扩散的新方法。首先利用动态时间规整算法来计算公共耦合点谐波电压波动与谐波电流波动的相似性,筛选出相似度较高的数据段。再通过复线性回归法计算进行回归计算,得到与背景谐波波动弱周期相对应的有效阻抗样本,然后对用户侧谐波扩散进行评估。通过实验验证表明,该方法相较传统方法有更强的鲁棒性,能够有效减少背景谐波波动的影响。

加速动态时间规整算法在测井曲线相似性度量中的改进及其应用

加速动态时间规整(fastDTW)算法在测井曲线相似性度量过程中存在异常点问题,且难以确定搜索边界。针对上述问题,本文首先将fastDTW算法与SDTW(summation dynamic time warping)算法结合,得到fastSDTW算法,通过重构测井曲线综合时间序列梯度信息和数值信息解决异常点问题。然后,结合井轨迹资料提出自适应搜索边界,并基于该边界,应用fastSDTW算法进行斜井和水平井测井曲线相似性度量。结果表明,基于自适应搜索边界的fastSDTW算法的精度更高,时间复杂度为O(N),确保了算法的运行速度。最后,将该算法应用到水淹层识别工作中,通过邻井对比的方式识别水淹层,取得了预期的应用效果。

基于动态时间规整的配电网分时段动态重构可靠性

配电网重构是指:通过改变开关状态来调整网络的拓扑结构,优化功率传输,是配电系统维持稳定的重要方法。传统的固定时间断面静态重构方法,无法适应新能源接入配电网后,快速变化的拓扑需求,配电网络节点的功率高时变性也给传统静态重构方法带来困难。为此提出了基于动态时间规整的配电网分时段动态重构方法。通过马氏距离测量电网在动态时间内,拓扑结构中节点的规整时序局部距离,划分负荷波动范围,得到电网拓扑中动态最佳分段个数与分段点。利用线性加权法把电网重构单目标转换成多目标优化,计算配电网分时段动态重构多目标优化方程。利用该方法控制开关状态,实现电网重构。实验证明:这种方法对配电网络重构后,网损值为539.2 kW,最低点电压数为0.994,重构后节点电压与实际值拟合度较好,配电网的频率偏差及谐波含量明显下降,说明所提方法的配电网重构可靠性较好。

一种基于动态时间规整的闭环检测算法

闭环检测算法研究中,基于单张图像匹配的算法是研究热点,但是在动态环境下,其无法满足动态检测要求。考虑到单张图像在空间和时间上都有关联性,文章提出了一种基于动态时间规整算法(DTW)的闭环检测算法。该方法通过动态时间规整算法来求解图片序列的相似度,而不再是求解单张图片之间的相似度;同时利用卷积神经网络以提取到更高级、更抽象的图片特征,从而增强了算法的鲁棒性。考虑到匹配序列长度对实验结果造成的影响,文章详细比较了不同序列长度下得到的准召曲线以及接受者操作特征(ROC)曲线,以确定最合适的匹配序列长度,并进行了与主流方法FabMap及SeqSLAM算法的性能对比实验。结果显示,基于DTW的闭环检测算法具有较高的准确率和召回率,并且假阳性概率较低,相较于主流方法FabMap及SeqSLAM算法,其性能更好。

基于改进DTW算法的永磁同步电机失磁故障模拟与诊断

为实现永磁同步电机(permanent magnet synchronous motor,PMSM)失磁故障模拟与失磁故障程度诊断,提出一种基于改进的动态时间规整(dynamic time warping,DTW)算法的故障波形诊断方法。首先,对永磁同步电机进行机理分析和模拟,采集不同程度失磁故障下的电机转速波形数据集。其次,使用改进DTW算法拟合失磁故障程度最佳路径曲线方程。然后,根据定子电流的频率谐波分量确定电机是否发生失磁故障。最后,使用改进DTW算法对失磁故障波形数据进行故障程度诊断。实验表明,该方法对故障波形数据进行处理后,可以快速准确地计算出故障波形的故障程度,该方法具备较强的稳定性和实时性。

基于动态时间规整的钢轨轨廓匹配方法

钢轨轨廓的精准匹配是研究其几何形态变化的重要前提。由于轨检小车行进时产生随机振动,引起传感器振动,导致采集数据失真。在测量过程中,因无法保证传感器绝对对称,故每个传感器的振动存在一些差异性。传统的特征点算法只能对振动引起的噪声进行刚性补偿,且有时特征点提取不到。基于此,提出动态时间规整算法,从初步匹配的数据中,选取标准轨廓和测量轨廓轨腰处数据作为两个时间序列,建立距离矩阵,通过对时间轴的扭曲变形,利用递归思想,计算累积代价矩阵,得到最优规整路径,从而找到两个时间序列各点的对应关系,实现轨廓的精准匹配。实验结果表明,相比特征点算法,动态时间规整算法的匹配精度提高了近7倍,匹配效果较好,稳定性很高。

基于改进Fast-DTW的多维地磁序列匹配算法研究

传统单点的地磁匹配定位算法运算量大,且定位时效性及定位精度较差。针对该问题,采用基于序列的快速动态时间规整算法Fast-DTW实现多维的地磁序列匹配,并利用最长公共子序列LCS的有序聚类进行优化。离线阶段通过坐标转换法构建四维地磁指纹库,在线阶段进行实时地磁序列匹配,获得定位结果。实验结果表明,该算法的定位时效性及精度均有提升。

特征融合下田径录像3D人体动作DTW捕捉算法

由于不同运动员的动作风格和速度不同,导致田径录像中记录的不同运动员的人体动作序列在时间长度上存在差异,从而产生不同长度序列之间的不对齐问题。为此,提出特征融合下田径录像三维(3D)人体动作动态时间规整(DTW)捕捉算法。将田径录像中提取的人体动作数据转换为3D坐标序列,表示人体各部位的位置和动作,获取人体动作的深度图序列,利用梯度局部各向异性系数(GLAC)和稀疏时间梯度自相关(STACOG)分析深度图局部区域的梯度特性以及时间自相关性。利用Canny算子提取每帧深度图的边缘轮廓,结合小波变换和k-means聚类分析人体轮廓的动态变化特征。通过Kinect设备获取人体骨骼点的3D坐标信息,采用主成分分析(PCA)方法将3D空间坐标、关节角度等多个特征融合到一个特征空间中,通过补帧和删帧操作进行预处理,选择最重要的主成分构建新的低维特征空间。利用DTW计算视频序列的相似性,从而捕捉田径录像中不同长度序列的3D人体动作。实验结果表明,该算法捕捉田径录像3D人体动作的准确程度高达99.07%,面对复杂程度较高的动作时,该算法捕捉到的人体动作与实际动作的相似度始终保持在97%以上。此外,所提算法提取到的人体动作轮廓特征线条流畅、连续,且与实际动作高度一致。

改进DTW算法的游泳训练视频手臂动作识别方法

针对复杂场景下游泳训练视频不同手臂动作识别准确性不足的问题,研究一种基于改进动态时间规整(DTW)算法的游泳训练视频手臂动作识别方法.将图像划分为若干个超像素区域,并通过计算显著值将像素合并成显著区域;借助人体骨骼结构,从显著区域中提取游泳手臂动作特征参数;将特征组成时间序列数据,利用改进DTW算法通过相似度匹配的特性来完成动作类型识别.结果表明:该方法的杰卡德系数较高,可以识别和分析不同场景下不同泳姿动作,具有更高的准确性和一致性.

基于MFCC提取和DTW优化的连续音频识别算法设计

介绍了一种新型的利用梅尔频率倒谱系数(MFCC)提取和动态时间规整技术(DTW)优化的连续音频识别算法。首先对数学原理与算法步骤进行设计与规划,使用大规模音频数据库进行预处理,经过时域和频域分析提取相应的特征;然后利用双门限法把连续音频切分为不同的音频块,并对切分部分进行针对性识别,将其与时频域数据库的模板进行匹配比对,实现了较好的连续音频识别效果,在时域和频域识别上的准确性均能达到89%。该研究成果可应用于钢琴教学系统的开发,尤其是在辅助学习者正确弹出曲谱方面具有广阔的应用前景。

基于Kinect动态手势识别算法的研究与实现

随着计算机技术和信息化的发展,人机交互在办公以及生活中显得越来越重要。由于手势具有灵活、直观、简单等优点,成为人机交互研究的重要领域。针对手势识别技术在自然人机交互中对时间和准确度要求较高的问题,提出一种新的手势识别算法(IDTW-K)。该算法对经典动态时间规整(Dynamic Time Warping,DTW)算法进行了改进。利用节点在运动序列中的距离方差对各个节点进行权值动态分配,并对DTW的搜索路径进行了详细的分析,采用点和线相结合的范围约束防止其搜索不合理以及优化DTW算法的计算速度,并结合KNN算法提高了手势识别效率。通过实验对IDTWK算法、改进的DTW算法和传统的DTW算法进行了对比,结果表明所提出的算法在精准度和识别速率上有一定的提高。

基于DTW算法的井间动态连通性评价

针对注采井间动态连通性反演中影响因素多、滞后性和衰减性影响考虑不足的问题,以注采井井底流压动态变化数据为基础,应用数据标准化方法与动态时间规整(dynamic time warping,DTW)算法进行数据处理和计算,得到注水井流压与油井井底流压时间序列曲线的DTW距离,并以此量化判别注水井流压与油井井底流压曲线的相似度,进而评价出注采井间动态连通性的强弱,这在一定程度上克服了注采井间压力传播衰减性和滞后性的影响。将研究成果应用于矿场实际井组连通性评价,结果表明,DTW算法计算连通性评价结果与矿场特征相吻合,该方法对于矿场快速评价井间连通性具有重要意义。