煤矿井下人体姿态检测方法

煤矿井下作业人员姿态检测可为灾害预警和事故救援提供有效信息。井下人员姿态复杂多样,且为时间序列数据,现有人体姿态检测方法或难以处理连续相关的姿态数据,或因算法复杂需配置独立计算机而导致实时性较差。针对上述问题,提出了一种基于改进长短期记忆网络(LSTM)的煤矿井下人体姿态检测方法,通过压力传感器、角度传感器获取井下人员脚底压力、腰腿部角度等姿态数据,由人员随身携带的便携式边缘运算决策单元进行姿态判别,实现井下工作人员站立、行走、弯腰、蹲(坐)、躺卧5种姿态的实时检测。为降低人体姿态原始采样数据维度,提高运算效率,对LSTM进行改进,设计了长短期记忆稀疏自编码器(LSTMSA),先由稀疏自编码器(SA)对原始采样数据进行特征提取,实现降维,再由LSTM进行人体姿态检测。在实验室环境下采集人体姿态数据,分别对LSTMSA、LSTM、循环神经网络(RNN)进行训练和测试,结果表明:在相同的试验设置和采样数据下,LSTMSA对5种人体姿态检测的准确率均达到90%以上,与LSTM接近且大于RNN;LSTMSA运算时间较LSTM缩短50%以上,满足矿井人体姿态检测实时性要求。

基于深度学习的人体姿态检测算法综述

近年来随着深度学习和人工智能的蓬勃发展,人体姿态检测逐渐成为计算机视觉领域研究的热点问题,许许多多的人体姿态检测方法和研究理论也在被不断地提出。人体姿态检测可以理解为人体关键点识别以及连接问题,本文通过对姿态检测的算法的描述,主要介绍单人与多人这两种主要人体姿态检测的主流算法,同时重点对于多人场景下的人体姿态检测算法介绍。通过对不同算法的对比得出各个算法的优缺点,并对人体姿态检测的应用进行阐述。本文的结尾结合人体姿态检测领域的发展现状,对此领域的未来发展趋势进行展望。

基于通道与空间特征选择融合的人体姿态检测

针对人体姿态检测过程中多尺度特征表达不充分的问题,本文利用选择性卷积核网络(Selective Kernel Networks,SKNet)的思想,提出了一种通道与空间特征选择融合模块,并应用于高分辨率网络,从而在多尺度特征融合过程中进行关键信息选择,不仅提高了多尺度特征表达,同时保留了原有多尺度特征融合交换不同特征信息的优点。实验结果表明,在高分辨率网络中加入通道与空间特征并联模块后,进一步提高了人体姿态检测的精度。在两种不同网络深度的模型中,姿态关键点预测的平均准确率分别有0.6%和0.7%的精度提升,最后通过网络推理过程可视化,进一步分析了该模块在卷积过程中起到的作用。

基于改进YOLOv5s-pose的多人人体姿态估计

为了提高多人人体姿态检测的准确率,本研究采用YOLOv5s模型用于多人人体姿态检测并对模型进行改进。首先,引入坐标注意力(Coordinate Attention)模块改进骨干网络,将注意力资源分配给关键区域,降低复杂环境中的背景干扰,增强模型对多人目标的精准定位能力。其次,使用双向特征金字塔网络改进YOLOv5s的特征融合网络,增强网络的信息表达能力。实验结果表明:在多人人体姿态MS COCO2017验证集上,经改进的YOLOv5s算法的检测平均精度高达61.9%,相比原始YOLOv5s网络,平均精度提升了1.5%。由此可见,改进后的网络能更加精准、有效地检测多人人体姿态。

分布式电磁人体运动姿态检测装置研究

根据肢体间相对空间角度构成人体运动姿态及无线电磁空间角度检测原理 ,提出分布式电磁人体姿态检测方法 ,研制出单臂运动姿态检测装置 。

一种适老化跌倒检测预警系统设计

随着经济社会的进步,老龄化逐渐成为全球的普遍现象。由于我国人口基数庞大,在低生育率与寿命延长的共同作用下,我国的老龄化形势更为严峻。老年人是伤害发生的高危人群,其主要原因是身体机能减退导致应变能力不足而发生跌倒。为老年人的健康与安全保驾护航,本文提出并实现了一种适老化跌倒检测预警系统设计。该设计实现了对信息的采集、处理、存储、分析、无线传输。同时集跌倒检测、定位、语音播报、等级预警等功能于一体。能够提醒老人及其家人及时采取相应的救助措施,从而最大程度地减少不同情况的跌倒对老人健康造成的危害。拥有广泛的应用领域和广阔的未来发展前景。

基于加速度传感器的人体姿态跟踪角度算法

人类肢体的运动可以简化为像连杆的刚性运动,而运动着的四肢与躯干之间总能形成一个角度关系.利用在人体手臂上固定三轴加速度传感器,通过一定的变换能实时计算出手臂与躯干上固定点的角度信息.基此设计了一种新的改进角度算法,通过实验对结果数据进行分析,并利用软件建立人体模型,在OSG平台上进行仿真,证明了算法的正确性以及在人体姿态跟踪中应用的可行性.

基于多模态瑜伽动作姿态检测的设计研究

为了科学评价线上瑜伽教学中学生的动作姿态,把基于深度信息的人机交互技术融合进体育课堂教学,用以解决瑜伽线上教学的相关难题。笔者在人体姿态检测的基础上基于多模态思想设计了瑜伽姿态动作评分模型。利用RGB摄像头采集瑜伽的姿态动作图,即普通的RGB彩色图像,利用骨骼提取模型从RGB图像中提取骨骼数据。将RGB图像数据和骨骼数据输入联合模型中,联合模型将输出瑜伽动作的类别以及这种动作的评分,并对提出方法的有效性进行了对比实验分析和验证。对比实验结果表明:多模态数据在多模态联合模型中表现出较大的优势,集合了RGB数据和骨骼数据的优势,可以快速准确地完成瑜伽动作的分类和评价。

运动手环中的姿态检测方法研究

在可穿戴设备逐渐发展的过程中,姿态检测作为其重要功能之一已经加入到越来越多的可穿戴设备中,因此,对如何在算法上提高姿态检测的准确性进行研究至关重要。通过对余弦测度、四元数算法、自适应波峰检测、人体姿态检测系统这四种姿态判断的主要算法在硬件选择和方法实现进行简要分析和比较,总结出这四种姿态判断算法各自的优缺点及主要适用情境,最后得出适应于儿童手环的相对优化的姿态检测方式。

新工科背景下的测控专业实践教学改革

学校在新工科建设和工程教育专业认证的推行过程中,学生的工程实践能力始终是短板。按照测控专业培养目标,结合学生及用人单位的反馈意见,提出了提升工程实践能力的实践改革措施。采用教学案例和项目驱动详解的方式,将思想政治教育作为学生选题的切入点,既激发了学生选题的兴趣,又加强了学生对专业课程知识的理解与应用。这对于学生建立完整的测量系统、提升工程素养和实际工程能力具有承前启后的作用。实践表明,教学效果良好。

基于STM32的老年人群智能防摔穿戴设备设计

如今人口老龄化现象严重,老年人群的自身状态颇受人们关注。为了满足老年人对护理的需求,减少因跌倒未能及时得到救助而导致伤害或死亡的情况,设计了一款以STM32单片机为核心,借助ADXL345三轴加速度传感器进行支持的智能摔倒检测报警装置,使用Matlab模拟加速度传感器的输出,并在仿真中模拟摔倒情况。实验结果表明,该装置可以实现自动实时人体姿态检测、报警提示、通知紧急联系人等功能,可以为老年人提供更多的生活保障。