基于BP神经网络的连续动作识别在清淤设备中的应用

在清淤作业中清淤设备的工作状况和能耗等级与设备所完成的动作密切相关,为评估清淤设备的这些参数,将核心的连续作业动作准确地从总作业过程中识别出来是重要的手段之一。将多个三维混合传感器分别安装于机械臂的各主要部分上,采集大量清淤作业时机械臂的运动数据,并建立挖斗型机械臂的模型。通过对数据进行分析,提出一种用于动作分割的复合特征。在完成动作分割的基础上,通过分析分割出的时间间隔内的连续动作,提出一种位移特征,并采用数据作为特征参数的BP(Back Propagation)神经网络进行动作判定。经过对试验数据验证,该方法的对于挖-移-卸这一连续动作的识别率达到98. 5%。

基于双流特征融合的FMCW雷达人体连续动作识别

本文提出了一种基于双流特征融合的FMCW雷达人体连续动作识别方法。首先对人体动作雷达回波信号进行预处理得到距离时间域图与微多普勒时频谱图,之后分别对两个不同维度的图像进行主成分分析提取对应特征并选取相同时间段的主成分分析结果进行融合得到双流融合特征,最后将双流融合特征输入到Bi-LSTM网络中训练与测试,网络对每个时间段的输入特征产生与之对应的动作类别输出从而实现连续人体动作识别。实验结果表明,当采用双流融合特征作为Bi-LSTM网络的输入时平均识别准确率要高于只采用距离时间特征或微多普勒特征作为网络输入时的平均识别准确率。

基于雷达传感器的连续人体动作识别方法

针对基于雷达传感器的离散人体动作识别方法难以得到实际应用的问题,文章提出了一种基于雷达传感器的连续人体动作识别方法。首先对连续动作的雷达回波信号进行预处理得到距离时间域图像。然后通过时频分析得到微多普勒时频谱图像。最后分别采用支持向量机与长短期记忆网络作为分类器进行动作识别。实验结果表明,采用长短期记忆网络作为分类器对人体连续动作进行分类的平均识别准确率达到80.7%,对比SVM作为分类器得到的平均识别准确率高4%。