面向人体运动检测的水凝胶基柔性应变传感器设计

在可穿戴电子设备迅猛发展的背景下,构建面向人体运动检测的可穿戴柔性应变传感器成为目前传感器研究的重点之一。基于聚丙烯酰胺(PAM)、纤维素纳米晶(CNCs)、单宁酸(TA)构建了一种导电水凝胶基柔性应变传感器。机械性能与电学性能测试结果表明,相较于其他柔性应变传感器,聚丙烯酰胺-纤维素纳米晶-单宁酸导电水凝胶基柔性应变传感器具有超长的拉伸范围(0%~2 900%)、较好的黏附性、快速的响应时间(280 ms)和良好的稳定性(超320次加载-卸载循环)。该传感器对人体关节弯曲的大应变与喉部活动的小应变等运动信号具备良好的检测功能,可用作人体运动检测的柔性可穿戴传感器。

基于计算机视觉的下肢运动检测系统设计

目的:设计基于计算机视觉和人体关键点检测神经网络模型的人体下肢运动检测系统,以非接触的方式实现三维空间中的人体下肢运动情况检测。方法:首先,搭建运动数据采集平台,获取人体下肢运动图像,并基于OpenPose神经网络模型提取每一帧图像中下肢关键点的二维图像坐标。其次,结合运动数据采集平台中的视觉传感器的位姿信息,基于计算机视觉算法解算关键点的空间坐标,解析三维空间中的下肢运动情况。最后,以骑行运动为例、以动作捕捉系统同时采集的运动数据为标准,分析该系统在不同运动速度时的数据解算情况。结果:骑行速度为0.8、1.3、2.1 m/s时,该系统解算的数据和动作捕捉系统获得的数据的皮尔逊相关系数分别为0.950、0.917、0.828,均在强相关范围内。结论:该系统解算的数据可反映下肢运动情况,对三维空间的下肢运动检测有一定效果。

基于CNN和惯性传感器的连续运动检测识别方法

为了提高人体连续运动检测识别的准确率和效率,提出一种基于卷积神经网络(CNN)的识别检测方法。首先,通过3轴加速度传感器采集运动加速度数据,经过滤波、滑动时间窗口和快速傅里叶变换(FFT)获得加速度频谱以及运动模式识别的特征矩阵。通过对多种结构与参数的网络模型的测试、分析与研究,选择双层33卷积核卷积层加双层256×64神经元稠密层的CNN结构,分别对站立、步行、上楼、下楼和跑步5种典型运动和跌倒、倒卧2种异常运动进行识别。结果表明,本文方法对跌倒、倒卧等7种运动的识别准确率大于95%,是人体连续运动检测识别的一种有效的方法;同时本文方法对算力需求较低,可应用于低功耗移动平台。

基于光子晶体结构色传感器的软体机器人运动检测方法

为了解决软体机器人难以实现基于实时反馈信号的精确运动控制的问题,提出了一种基于光子晶体结构色传感器色相的软体机器人运动检测方法。该方法的工作机理在于,当软体机器人活动时,集成在其上的光子晶体结构色传感器颜色会发生变化,通过图像处理技术检测这些色相变化,并根据色相信号和运动状态之间的映射关系,实现对软体机器人运动状态的跟踪监测。色相检测稳定性测试结果表明,不同亮度和饱和度下的平均色相值分别为179.97°、179.67°,标准差分别为0.51、0.36。

基于视觉系统分层的小目标运动检测

为了提升对光学遥感图像中弱小运动目标的检测能力,提出一种基于鹰眼视网膜视觉系统层次结构的运动检测方法。首先,基于鹰眼视网膜的分层特性,结合各层主体细胞的生理结构与功能,构建各层相应的滤波器,抑制背景微位移和杂散噪声;然后,在Reichardt运动检测模型的基础上增加时域高通滤波与ON-OFF双通道滤波来估计目标运动矢量,这样不仅能克服传统Reichardt运动检测器对阶跃边界响应复杂,而且能有效增强运动检测的敏感性;最后利用高级视觉神经系统的分层特点,以空域相似度大小为基准进行多尺度映射与运动矢量显著图融合,构建多尺度处理精细检测运动特征。试验结果表明,本文算法的平均信杂比改善为56.20 dB,正确率为99.71%,综合评价指标F1值为3.63e-02,相较于传统Reichardt模型的F1值提升了27.82%。本文方法较传统运动检测算法不仅能提高复杂背景的干扰抑制性能,而且能显著提升小目标小位移的检测能力。

基于Kinect深度图像信息的人体运动检测

人体运动检测是计算机视觉人体运动分析的关键环节。根据Kinect深度图像的特点,引入并改进Vi Be算法处理深度图像进行人体运动检测。考虑到深度图像中地面像素值连续性造成的地面附近运动检测困难,提出了一种自适应的图像分层处理和不同邻域模式的建模方式,增加了去除"鬼影"现象的参考模型。像素分类时增加了前景点检验步骤,通过当前像素与参考模型的比较消除"鬼影"。在模型更新方面增加了基于前景点的背景模型更新策略,解决了"黑影"现象问题。采用阈值法对分类结果进行了误检点消噪处理。实验结果表明所提出的改进Vi Be算法能够比较准确地检测出人体运动。

基于立体视觉的智能农业车辆实时运动检测

为满足智能农业车辆的精确导航,提出基于立体视觉的车辆实时运动检测方案。该方案通过多线程特征点检测提高传统SIFT特征检测算法的效率,通过归一化综合距离法剔除误匹配的特征点,最后通过相邻时刻同一特征点坐标的变化反推车辆的运动。试验表明:多线程SIFT特征点检测能够缩短检测时间,提高计算效率。归一化综合距离法能够有效剔除传统SIFT算法的误匹配点。当车速为0.8 m/s,图像采集频率为5 Hz时,车辆在x方向和z方向单次测量误差小于0.004 5 m,当持续运动时间达到10 s时,2个方向累积测量误差均小于0.15 m。

一种改进的帧差和背景减相结合的运动检测方法

针对帧差和背景减相结合的运动检测方法存在的不足,进行了以下3个方面的改进:①利用灰度拉伸变换和结合了灰度值信息的邻域相关系数计算方法,解决了背景的误判问题;②通过在帧差和背景减相结合的策略中加入运动分析,解决了缓慢运动目标的漏检问题;③采用运行期更新法更新背景模型,避免了复杂场景下背景模型的退化。实验结果表明,改进后的方法显著改善了帧差和背景减相结合的运动检测方法在背景误判、缓慢运动目标漏检以及背景模型退化等方面存在的问题。

基于肤色和运动检测技术的单目视觉手势分割

在分析肤色的信息特征和手势的运动特性基础上,构建了一种基于单目视觉的手势分割方法,可从视频图像序列中获取有意义的手势区域.针对确定的背景图像,以10帧的采样间隔采集手势图像,通过肤色信息特征来获得手势的肤色区域,同时通过差分法获得手势的运动区域,再将肤色区域与运动区域进行融合处理获得初始的手势区域,在此基础上,进一步研究了数学形态学的腐蚀和膨胀算法,实现了视频图像序列中的手势分割与定位.实验结果表明,该方法具有较好的手势分割效果和较高的定位准确度.

基于YUV颜色空间的视频运动检测

给出了一种结合YUV颜色空间色度和亮度进行运动检测的算法,该算法首先采用单高斯背景建模,然后利用当前帧和背景帧像素的色度分量差分进行运动检测,并将膨胀后的色度检测结果和亮度检测结果进行与运算,得到色度和亮度联合检测结果。最后利用数学形态学闭运算和连通区域面积阈值化的方法对检测结果进行后处理,实现运动物体内部空洞的填充和周围较大噪声点的消除。实验结果表明,该算法能克服亮度变化和阴影的影响,取得较好的检测结果。

基于背景减除与三帧差分相融合的运动检测

文章提出一种基于背景减除法与三帧差分法相融合运动目标检测的方法,该算法运用改进的时间平均算法初始化背景,在有目标情况下也能构建出可靠的背景;用背景减除法得到目标运动区域,并根据像素的连通区域除噪声;通过背景减除法与三帧间差分的检测结果进行"与"运算,得到的结果作为反馈对背景模型进行更新;利用色度信息消除阴影,得到较精确的运动目标。实验结果表明,该算法能够快速、完整、准确地检测出运动目标,满足实时检测的需要。

混合高斯模型运动检测算法优化

针对经典混合高斯算法对非平稳场景过于敏感的问题,提出了混合高斯模型运动检测算法的优化方法。在检测算法流程的匹配高斯模态选择、模型更新和背景显示上分别作了优化:综合考虑模态权重与模态自身匹配度,选择匹配高斯模态;统一初始化与检测过程中的模型更新,即使视频检测的背景变化较大,系统也能较快地建立理想背景模型;综合考虑背景模型各模态分布,清楚反映了背景模型的具体分布。实验结果表明,与经典混合高斯算法相比,优化算法在克服背景扰动、降低误检率上表现良好,有效提高了混合高斯算法对场景变化的适应性。优化算法在实际工程应用中效果良好。

一种基于改进码本模型的快速运动检测算法

从视频序列中分割出运动目标是计算机视觉应用领域中一个基础和关键的任务.针对现有码本模型(codebook model)在RGB颜色空间下不能很好地契合其计算特性,且无法兼顾抗扰动能力和分割质量的问题,提出一种基于改进码本模型的快速运动检测算法.首先将像素从RGB空间转换到YUV空间来建立码本模型;然后单独对每个码字中的亮度分量进行单高斯建模,使得整个码本具有高斯混合模型(Gaussian mixture model)的特性.典型测试序列和扰动检测率(perturbation detection rate)曲线的对比实验表明,该算法是高效和实用的.

一种新的运动检测及轮廓追踪方法

构建了基于块区域二阶矩比的三帧差分运动检测模型,应用文献[1]中的核密度估计模型来滤除其中的非运动区域,并采用支持向量聚类实现多目标检测。给出了运动物体轮廓快速追踪的RW算法,该算法不必考虑检测区域内部的细节问题,能够充分利用所检测到的边缘信息,比较符合人眼对轮廓的搜索习惯。最后给出了实验结果。

几种人体运动检测算法的比较分析

为了提高计算机视觉运动人体检测的效果,采用了OGHMs(Orthogonal Gaussian-Hermite Moments)法应用于人体运动检测中,在实现过程中对OGHMs加以简化,对运动图像进行Gaussian平滑处理,并在模块运算后期引入腐蚀运算从而得到更精确的检测效果。分析了时间差分法、背景减除法、光流法等常用的几种运动人体检测算法。通过对现有的实验结果分析比较表明,增加腐蚀作用后的OGHMs法不仅具备常用算法各自具有的一些优点,而且抗干扰能力强,同时还较好解决了计算量大的问题,不需要进行背景重建和更新等步骤,并且检测出的运动信息较多,能较完整、较精确地检测出运动人体。

基于自适应背景模型的全方位视觉人体运动检测

设计了一种新的全方位视觉系统 ,用来在室内对多个人体目标进行实时运动检测。系统中使用全方位摄像机作为图像采集设备 ,能在一幅图像中获取水平方向 36 0°的环境信息。在检测开始之前 ,首先由摄像机对无人环境持续观测一段时间 ,建立背景的统计模型 ;在检测开始之后 ,将每一时刻全方位摄像机采集到的图像变换成柱状全景图像 ,再利用背景的统计模型 ,通过自适应的动态背景减除算法得到前景区域 ,同时在线更新背景模型。最后进行区域分割 ,确定人体的位置。试验结果表明 ,该系统在复杂背景的室内环境下 。

基于变分光流的三维运动检测与稠密结构重建

提出了一种基于变分理论的由稠密光流检测图像中目标物体三维运动与结构的直接方法。首先在透视投影模型下将目标物体的三维运动参数与图像光流联系起来,构建了一个未知量是三维运动参数的能量函数,然后使用变分方法直接求出图像中目标运动物体的三维运动参数,最后由求出的三维运动参数恢复物体表面的三维稠密结构及图像光流。该方法在对目标物体进行三维运动检测时省略了"光流计算"这一中间过程,避免了图像光流计算给三维运动检测结果带来的误差影响和时间消耗。多组实验证明该算法具有较高的计算精度、较好的鲁棒性和较快的计算效率。

图像序列运动检测算法的研究及其应用

探讨了监控图像序列中进行运动检测的若干基本算法 ,结合统计方法和边缘检测筛选出运动边缘点 ,对运动边缘点逐个进行了块匹配最优搜索 ,估算出其运动矢量 .此方法在数字视频监控系统中用于运动物体检测和报警 ,不但提供了智能型监控 ,而且也有效的压缩了存储数据 ,改善了系统性能 ,有较好的实用价值 .

一种基于对称差分和背景消减的运动检测方法

该文提出一种综合利用对称差分和背景消减来进行运动检测的方法。首先通过建立一个可靠的背景更新模型,由背景消减法得到基本准确的前景图像,然后和对称差分法得到的差分图像综合,得到完整可靠的运动目标图像,最后用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响,并用区域填充算法来填补目标区域的小孔。

最大类间方差算法在运动检测系统中的应用

为满足系统对实时性的要求,采用Altera公司的CycloneⅡ系列的FPGA实现最大类间方差算法。采用Verilog语言对算法实现建模,并在QuartusⅡ平台进行了仿真验证。实验结果表明,该设计能够快速有效地得到阈值,并能有效保护模糊目标的作用。