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DTW算法的研究

传统的动态时间规整(Dynamic Time Warping)算法虽然可以有效解决语音信号特征参数序列比较时时长不等的问题,但计算量很大,严重影响了语音识别系统的响应速度。对传统的动态时间规整算法进行改进,主要目的是提高语音识别速率。首先对传统DTW算法的原理进行了详细的分析,然后提出了改进后新的DTW算法。对传统的算法进行改进时,主要从以下两方面入手:1对算法的搜索路径进行约束,使x轴上的每一帧不必再与y轴上的每一帧进行比较,而只需要与y轴上限定范围内的帧进行比较即可;2对齐松弛算法的起始点和终止点(不用完全对齐),并可以适当放松起始点和终止点两三帧。实验表明,系统在失真度基本保持不变的基础上,运行速率提高了近2倍。

DTW算法在地震时间序列信息挖掘中的应用

采用DTW算法用于实现地震时间序列“异常形态”的回溯性检验与统计,以此提高地震异常信息的深度挖掘效率。随机选取太原地震监测中心站(以下简称太原站)水平摆观测的一段数据作为测试数据,验证该方法的可行性,并利用昔阳地震监测站(以下简称昔阳站)水平摆实际观测数据,自动识别出自观测以来受降雨影响的异常形态。在此基础上,将最近一次数据变化作为模板,进行回溯性检验,共提取出7次类似变化,与之前总结的异常特征一致。经分析,其中4次异常之后对应了太原盆地及其周围M3.6以上地震,运用R值评分对其进行预报效能评估,结果显示该异常形态可通过预报效能检验(R=0.52,R_(0)=0.45),其最佳预测时间为50~90 d内,可作为短期预测指标。

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。

基于散射理论与动态时间规整的时移地震波动方程差异反演

时移地震勘探作为储层动态监测的有效手段,对获取地下介质的弹性或物性参数变化起到了至关重要的作用.由于多期地震勘探之间介质的传播速度存在差异,同时环境条件、采集方式及处理手段等方面的不同,都会使地震记录产生走时差异.而这种走时差异对时移地震反演存在着严重的影响,尤其是基于波动方程的反演方法.为了消除时移差异,我们引入动态时间规整(DTW)方法实现角道集优化匹配,以获取地震记录的有效变化信息.此外,本文提出根据散射理论,通过弹性波动方程进行时移地震差异反演,得到地层的差异弹性参数,实现储层差异定量表征.该方法采用WKBJ近似模拟非均匀背景,具有更高的反演精度,尤其是在复杂地质构造条件下优势更加明显.本文对所提出的方法进行了数值模拟实验与实际数据应用,证明该方法得到的反演结果优于传统方法,可以实现对地层时移差异的准确刻画.

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。

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。

基于动态时间规整的制丝批次间差异评价方法

在卷烟制丝生产中,通常采用统计过程控制的方法评价生产过程质量,由于其基于稳态性的假设,忽略料头与料尾的数据,该研究使用生产全过程数据针对不同批次之间的质量差异如何评价的问题,提出一种基于动态时间规整(DTW)的批次间差异评价方法。首先,介绍烟草加工批次间差异的成因及其评价的意义;然后,对异常检测相关理论进行综述,分析统计模型、聚类、神经网络等方法在批次生产场景下的局限性,指出弹性相似度测量在变速时间序列比较中的优势;随后,详细介绍DTW算法原理,并将其推广到处理多变量时间序列数据的场景。在此基础上,设计一种利用DTW距离来评价不同加工批次与优质批次差异的框架。最后,以卷烟生产中的松散回潮工序为例,应用所提方法对100个批次进行差异性评估并进行可视化,验证该方法的有效性,进一步结合统计过程控制来说明可能的应用场景。该研究可为烟草制丝质量控制提供一种数据驱动的新思路,存在扩展至其他流程生产过程的可能性。

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。

基于自适应动态时间规整(DTW)的GA- FCM多阶段间歇过程故障诊断

多时段是间歇过程的固有特征,对间歇过程划分阶段可以提高故障诊断的精度。采用模糊C-均值聚类(FCM)算法划分阶段存在对初始聚类中心敏感、易于陷入局部极优值的问题。提出遗传算法与FCM算法相结合的方法(GA-FCM),用于克服FCM易于陷入局部极优值的问题,以达到全局最优。同时,针对间歇过程数据不等长问题,提出自适应动态时间规整(DTW)算法。随后,用GA-FCM方法完成阶段划分,再建立多向核主元分析(MKPCA)模型完成故障检测。最后将此算法应用于青霉素发酵过程,仿真结果验证了所提方法的可行性和有效性。

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。

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。

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。

基于马氏DTW时段划分和FCPSOGSA算法的配电网动态重构

针对配电网重构过程中由于用户侧负荷时变性导致难以划分重构时段的问题,选取马氏DTW距离作为度量指标,构建了减小线路总体损耗、减小电压偏移的多目标优化数学模型。从提高算法收敛效率的角度,对传统粒子群算法进行了改进,运用分数阶微积分的数学方法,提出了一种更快速求解配电网重构的改进粒子群算法(Fractional Calculus PSOGSA),旨在提升算法的收敛特性和所有过去事件的记忆效应。在IEEE33节点系统的基础上构建了1天的负荷数据并进行重构求解,验证了所提方法的有效性。

基于动态时间规整的局部分块匹配在面部遮挡人脸识别中的应用

针对面部遮挡人脸识别问题中遮挡源变幻莫测、遮挡位置、大小及形状未知而导致从人脸图像中分割遮挡区域困难的问题,提出了基于动态时间规整(DTW)的局部分块匹配(LPM)算法。首先,将人脸图像划分成若干大小相等且互不重叠的局部小块;然后,借助于光栅扫描顺序将各个小块按照前额、眼睛、鼻子、嘴巴和下巴的顺序连接成一个单一序列;最后,计算查询人脸与注册人之间图像到类的距离;并利用动态时间规整的设计思想寻找查询序列与所有注册序列之间的最佳对齐方式。在两个公开人脸数据库FRGC2.0、AR及一个户外人脸数据库上的实验验证了所提算法的有效性及可靠性。实验结果表明,相比其它几种较为先进的人脸识别算法,所提算法取得了更高的识别率;此外,所提算法无需任何训练过程,计算成本低,更适合应用于现实面部遮挡人脸识别中。

基于动态时间规整和自适应顺序形态变换分类的故障诊断方法

研究了将动态时间规整(DTW)用于故障诊断的技术,使具有相同趋势但时序上并不完美一致的两序列之间距离最小化,发挥其在序列匹配中的重要作用。在前期研究提出的一种采用欧式距离度量两序列间的匹配程度的基于自适应顺序形态变换分类的故障诊断方法的基础上,由采用欧式距离变为采用DTW匹配来度量信号间误差,提出了三种用于故障诊断的新的自适应顺序形态变换分类方法。通过连续搅拌釜式加热器故障诊断问题的研究验证了所提出的三种新方法的有效性,并对比了它们与前期研究提出的方法的故障诊断效果。