平面人体运动模型的制作与使用

利用牛皮纸制作人体运动模型,具有制作简单、使用便捷的特点,可结合运动技术教学的需要,摆成教学需要的运动轨迹,让学生直观形象地知道技术动作,帮助学生在脑中建立清晰的动作表象,是一种值得借鉴与推广的辅助教学用具。

人体运动学模型的研究

人体运动学模型对研究人体空间运动的位姿与人的最佳出力、最佳受力有重要意义。研究人体运动学模型对开展人机工程的研究也有重要意义。提出人体机械化的概念 ,把人体等效为机构 ,应用机构学的基本理论建立了人体的运动学模型 ,再运用坐标变换的数学方法解决了人体运动位姿的计算问题 。

基于运动能量模型的人体运动检索算法

提出一种新的借助于运动中产生的能量对运动进行描述的模型。引入运动协调性的概念,利用支持向量机和索引序列对运动进行粗分类。采用基于Keogh下界的线性索引算法精确地度量输入运动和候选动作之间的相似性。实验结果表明,该检索方法具有较好的速度和准确性。

基于人体行为模型的跌倒行为检测方法

随着移动互联网的广泛应用,智慧社区等一系列移动互联应用等得到人们的重视,特别是以居家养老的老年人防跌倒检测备受关注.针对目前老年人跌倒没有及时得到检测报警,从而无法及时救助,进而产生更严重的安全性的问题,本文提出了一种跌倒检测方法.本文提出的方法首先对特定人体进行扫描,利用人体建模工具poser构建出人体模型,在运动过程中根据关节点位置将二维坐标映射出相应的三维坐标并通过节点位置预测算法对映射后的三维坐标进行关节点位置预测,然后将预测后的子关节聚合到父类三维空间坐标轴中并预测出父类关节点的运动状态,当子关节点与父关节点预测结果同时处于跌倒状态,则判断人体所处于跌倒状态.由于所建立的运动模型在运动特征上具有较高的真实性,以此获取关节点的数据变化真实可靠.经过大量的实验数据表明,本文提出的跌倒检测方法可以精准实时反应运动状态,检测准确率为99%,由此可见本文提出的方法应用于跌倒检测是有效并可靠的.

基于机器学习的人体虚拟惯性测量组件构建方法

利用人体特征辅助行人导航与外骨骼机器人控制是近年来导航与机器人领域中的热点研究方向。针对惯性测量组件足部安装方式在过载较高时无法实现有效测量的问题,研究了一种基于机器学习的人体虚拟惯性测量组件构建方法。该方法以同步采集安装于足部与下肢其他部位的惯性测量组件的输出作为数据样本,通过遗传算法改进的误差反向传播(GA-BP)神经网络实现虚拟惯性测量组件的构建。为进一步改善训练效果,采用基于步态相位检测方法对训练样本进行筛选。基于Anybody与MATLAB的联合仿真结果表明,本文所研究的方法可实现采用安装于髋关节附近位置的惯性测量组件数据,有效模拟足部位置的惯性测量组件数据。该方法对未经训练的步态也有一定的适应性。本文所研究的方法可进一步应用于行人精确定位与外骨骼机器人控制等领域。

人体上肢外骨骼仿生结构及动作特征分析

人体上肢骨骼较为复杂,关节众多,包括腕关节、肘关节、肩关节和上肢带关节等,针对人体上肢骨骼的运动特征,分析作用于骨骼的肌肉和肌腱的功能,以此为仿生模型,采用Pro/E软件建立外骨骼上肢模型的三维仿生结构模型,并对其动作特性研究。