体育学员运动姿态判定算法研究

为了实现对于学员运动姿势的标准化判定,研究基于Openpose工具的学员运动影像判定算法。对Openpose所提供的关节点位置坐标数据进行标准化处理,并将处理结果应用于人体重心矢量角特征判定、肢体夹角特征判定和人体朝向特征判定,进而实现对于学员整体姿态的判定。最后采用所提出的姿态判定算法对10种不同类型的体操动作进行判定,结果表明,该算法能够将误判率控制在10%左右,得到较为理想的判定效果。

基于9轴传感器的消防员姿态判定及定位系统

设计开发消防员姿态判定及定位系统。采用9轴传感器捕捉采集姿态信号,利用GPS室外定位技术与UWB室内定位技术相结合定位消防员,采用无线ZigBee网络技术采集数据;通过贝叶斯估计算法对数据进行特征提取,再通过以太网控制器将数据传送到Web服务器,便于终端访问数据;利用云平台将数据反馈到终端显示器上,实现了高精度的定位系统。该系统能够实现远程的消防员姿态判定、精准定位、紧急报警、远程作战指挥等功能。

3种实用的人体姿态判定算法研究

在基于姿态的交互式游戏中,经常需要对用户的姿态动作和幅度进行判定,从而让计算机做出正确的响应.本文设计并实现了3种姿态判定算法,第一种算法基于肢体比例实现姿态判定;第二种算法基于四肢端点和身体构造进行姿态判定,第三种算法通过四肢与躯干的角度进行姿态判定.这3种算法在实时性、姿态幅度检测的准确性等方面表现出不同的特点,可以根据系统需求选择使用.

基于支持向量机的人脸姿态判定

对于多姿态人脸检测中的姿态判定问题,提出了一种基于支持向量机(SVM)的人脸姿态判定算法。将人脸姿态划分成6个类别,从一个多姿态人脸库中手工标定出1800幅人脸图像作为训练样本集,分别训练基于支持向量分类(SVC)和基于支持向量回归(SVR)2种姿态分类器。另外标定出300幅人脸图像作为测试样本。SVC方法和SVR方法分别取得了1.67%和3.33%的分类错误率。其中SVC方法的分类效果明显优于在传统方法中效果最好的人工神经元网络(ANN)方法(分类错误率为3.33%)。对比实验结果表明,SVM方法对于解决姿态判定问题是很有效的。

航空空间定向和头的位置、姿态判定及控制相关

前言 最近发现,在目视飞行气象条件(VMC)下飞行,视觉驱动的颈部反射使头部倾向地平线。如果这是事实,飞行员将按固定而不是移动的地平线定位,这提示现有航空地平仪不能精确显示空间信息。本研究的目的是确定视觉运动诱发的颈部反射是否受飞机的主动或被动(自动)操纵影响。更重要的是,这一结果将帮助确定视觉运动诱发的颈部反射是否是其他空勤组成员的特征。方法 16名军事飞行员。

室内场景下目标的识别抓取算法研究

针对室内环境下对小目标物体进行识别抓取的算法进行了研究。使用YOLOv5算法,基于RealSense D415深度相机对待抓取物体进行目标识别和分类,确定物体距离相机坐标系的距离信息,利用Canny、HoughLines线条检测提取物体在2D下的姿态信息并映射到3D中进行姿态判定;根据姿态,机器人末端手爪旋转相应的角度,实现机器人对目标物体的准确抓取。最终实验结果表明:该算法的运行速度为30fps,对水瓶以及花瓶可以成功抓取,在复杂的背景条件下也可以识别。

视频人脸识别系统中的最佳人脸捕获

基于视频的自动人脸识别系统自动选取用于后续识别的最佳人脸图像.设计并实现了一个最佳人脸捕获模块,该模块主要由人脸检测、人脸跟踪和姿态判定环节组成.在实现对视频中的人脸进行检测和跟踪的基础上,可自动截取并保存一张大小合适、清晰度高且姿态最佳的人脸,用于后续的人脸识别.