利用深度视频中的关节运动信息研究人体行为识别

由于计算开销大等原因,基于RGB视频和人工特征的行为识别方法在近些年的研究进展比较缓慢。相对于RGB视频,深度视频能提取运动物体的几何结构信息,不会随着光线的变化而变化,因此在视频分割、行为识别等视觉任务中比RGB视频具有更好的区分性。以深度视频中的关节运动信息为基础,提出一种简单而有效的人体行为识别方法。首先,根据深度视频中人体关节信息分别提取表示关节之间角度和相对位置的2个特征向量,然后使用LIBLINEAR分类器分别对提取的2个特征向量进行分类识别,最后,通过融合其分类结果得到最终的行为识别结果。该提取的特征仅包括关节间的相对位置和角度信息,不会因视角的变化而变化,具有一定的视角不变性。实验结果表明,所提出方法在UTKinect-Action3D数据集上能够获得与当前最好方法一致的识别效果,而且该方法具有很低的时间开销,实时性好。

小型机器人关节控制电路系统的关节位置信息采集和闭环定位控制实现

提出一种小型机器人关节位置信息采集及定位控制系统的设计方法,设计方案包括硬件设计和软件设计,核心处理器采用意法半导体32位单片机STM32,采用CAN总线接收上位机的命令,实现传感器信息采集的反馈。通过双相DMOS全桥驱动电路芯片,结合PID算法实现空心杯直流电机的一种高精度闭环定位控制。选取AS5054磁旋转编码器实现关节位置信息的采集,以控制关节角度转动误差,进而实现闭环定位控制过程。实验表明,系统软硬件与小型机器人转动关节对电路系统控制的实用要求相符合。

基于三维骨骼节点的人体行为识别方法

针对传统行为识别方法存在的数据存储空间不足、识别效率不高以及扩展性不强等问题,在利用空间中人体关节点数据进行人体行为表示的基础上,通过自建行为数据集结合Spark MLlib算法库的随机森林算法对行为识别进行建模。为了提升识别模型的泛化能力,利用Spark平台下算法的并行且快速迭代的特性,提出了一种多重随机森林的加权大数投票算法。实验结果表明,随着基分类器个数的增加,行为分类准确率显著增高,基分类器个数在5个以后行为识别准确率趋于稳定且高达95%以上。在MSR Daily 3D与MSRC-12数据集上也验证本文行为识别方法的有效性。

Energy Efficient Switch Policy for Small Cells

Switch policy is essential for small cells to properly serve variable number of users in an energy efficient way.However,frequently switching small cell base stations(SBSs) may increase the network operating cost,especially when there is an nonnegligible start-up energy cost.To this end,by observing the variety of user number,we focus on the design of a switch policy which minimize the cumulative energy consumption.A given user transmission rate is guaranteed and the capability of SBSs are limited as well.According to the knowledge on user number variety,we classify the energy consumption problem into two cases.In complete information case,to minimize the cumulative energy consumption,an offline solution is proposed according to critical segments.A heuristic algorithm for incomplete information case(HAIIC) is proposed by tracking the difference of cumulative energy consumption.The upper bound of the Energy Consumption Ratio(ECR) for HAIIC is derived as well.In addition,a practical Q-learning based probabilistic policy is proposed.Simulation results show that the proposed HAIIC algorithm is able to save energy efficiently.

基于BSCPs-RF的人体关节点行为识别与预测

针对人体关节点序列的连续行为识别问题,提出了一种基于BSCPs-RF(B-spline control points-random forest)的人体关节点信息行为识别与预测方法.首先采用局部线性回归与单帧关节点归一化法预处理关节点序列,以此消除抖动噪声、位移和尺度的影响;然后以B样条曲线控制点作为速度无关的关节点序列特征,并采用同步语音提示词法标注实时行为序列以提高样本采集效率;最后采用基于随机森林的行为识别与预测方法,并以集成学习方法优化多分类器组合以提高识别精度.实验分析了不同参数值对识别效果的影响,并分别在测试数据库MSR-Action3D以及RGB-D设备采集的实时数据集中进行测试.结果显示,MSR-Action3D测试结果优于部分先前方法,而实时数据测试中该方法具有很高的识别精度,进而验证了该方法的有效性.