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.

一种时间规整算法在神经网络语音识别中的应用

提出一种新的网络结构，这种网络能够很好地解决神经网络语音识别中的时间规整问题．该网络从输入语音信号的特征矢量序列中提取一组固定数目的特征矢量，然后将这组特征矢量馈入神经网络分类器进行识别．和其他的神经网络语音识别方法相比较，用这种网络进行前端处理，可以缩短后端神经网络分类器的训练和识别时间，简化分类器的网络结构并保持较高的识别率．

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。

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。

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。

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。

基于动态时间规整的钢轨轨廓匹配方法

钢轨轨廓的精准匹配是研究其几何形态变化的重要前提。由于轨检小车行进时产生随机振动,引起传感器振动,导致采集数据失真。在测量过程中,因无法保证传感器绝对对称,故每个传感器的振动存在一些差异性。传统的特征点算法只能对振动引起的噪声进行刚性补偿,且有时特征点提取不到。基于此,提出动态时间规整算法,从初步匹配的数据中,选取标准轨廓和测量轨廓轨腰处数据作为两个时间序列,建立距离矩阵,通过对时间轴的扭曲变形,利用递归思想,计算累积代价矩阵,得到最优规整路径,从而找到两个时间序列各点的对应关系,实现轨廓的精准匹配。实验结果表明,相比特征点算法,动态时间规整算法的匹配精度提高了近7倍,匹配效果较好,稳定性很高。

基于模式约束的油层单元智能自动对比方法——以渤海湾盆地史南油田史深100区块加积式地层对比为例

针对基于数据驱动的地层自动对比方法难以适应侧向沉积相变快及地层厚度差异大的油层单元自动对比这一问题,建立基于模式约束的油层单元智能自动对比方法。该方法提出在油层单元自动对比中引入知识驱动,采用地层发育模式约束油层单元自动对比过程,并将地层模式约束思想引入构建的相似性度量机及改进的条件约束动态时间规整算法,实现了对标志层及各油层单元界面的自动对比。渤海湾盆地史南油田史深100区块的应用表明:与人工对比结果相比,该方法标志层识别吻合率高于95.00%,油层单元识别平均吻合率达90.02%;与已有自动对比方法相比,油层单元识别平均吻合率提升约17个百分点,有效提高了油层单元自动对比精度。

基于MDTW的飞行动作识别算法

科学评估飞行训练质量,对提高飞行员的飞行驾驶技术以及保障飞行安全具有重要意义。动作识别是飞行评估的一项基本内容,许多评估内容都是建立在获取动作序列的基础上的。在动态时间规整(DTW)的基础上提出了一种多元动态时间规整算法(MDTW),通过多维融合的方法进行多元时间序列相似性运算。经实际应用验证,该算法有效提升了传统DTW动作识别的效率和准确性。

基于Kinect的矿井人员违规行为识别算法研究

由于煤炭生产的特殊性与危险性,煤炭生产过程中安全事故常有发生,其中人为因素占极高的比例,因此研究矿井工作人员的违规行为十分必要.针对人体行为识别中传统的动态时间规整算法经常出现的奇异点和时间复杂度问题,提出一种分段线性逼近结合自适应权重动态时间规整算法.对该算法进行了仿真以及实验,该算法在SDU Fall Dataset数据集的平均识别率达到了95.33%,平均识别时间减少了46.47%,在煤矿井下使用该系统进行测试,结果表明所提出的算法在识别速度和准确率上均有一定程度的提高.

移动终端手势识别中DTW匹配算法研究

针对现有手势识别算法中存在的计算量复杂、识别率低和效率差等不足,提出一种基于L-ADTW的移动终端手势识别的匹配方法,利用手机内置加速度传感器进行手势识别,采用差分检测方法自动检测出有效手势序列,用改进的起始松弛点对有效手势序列进行校准,使用L-ADTW匹配算法进行有效手势序列段匹配,并将匹配结果与优化阈值比较分析。实验结果表明,提出的L-ADTW算法,在保证手势匹配高效的前提下,使等错率降到2.5%,认证成功率提高了5.37%。

DTW语音识别算法研究与分析

研究动态时间规整(Dynamic Time Warping)语音识别算法问题,传统动态时间规整方法需要存储较大的矩阵,直接计算将会占据较大的空间,计算量也比较大,对系统硬件要求比较高。为了减小DTW算法的运算量,提高识别速度,对DTW语音识别算法进行优化改进。将局部路径约束和整体路径约束相结合,仅在一个规定的宽度内搜索动态规划路径,计算累积匹配距离。仿真实验结果表明该方法不仅可以降低运算负载,提高识别速度,而且能在一定程度上提高语音识别率。

深孔啄钻振动信号DTW算法改进及应用

针对深孔加工质量检测难、效率低和成本高等问题,提出一种基于振动监测信号分割的改进动态时间规整算法,实现深孔加工质量一致性快速无损检测。首先,以啄钻间歇进给式加工采集的振动信号为研究对象,利用抗噪性能优良的双窗双谱算法对其进行分割;其次,对分割信号在时域和频域内进行特征降维;然后,针对信号长度不等引起的特征不等情况,采用改进的动态时间规整算法(dynamic time warping,简称DTW)进行规整对齐,同时达到减小时间复杂度和防止病态规整的目的;最后,利用求得的累积最短距离评估啄钻阶段振动信号的相似性程度,从而判别啄钻加工质量的一致性。仿真和试验结果表明,该方法能快速有效完成对深孔加工质量一致性无损检测,振动信号分析结果与实际物理检测结果相吻合。