MMRGait-1.0:多视角多穿着条件下的雷达时频谱图步态识别数据集

步态识别作为一种生物识别技术,在实际生活中通常被认为是一项检索任务。然而,受限于现有雷达步态识别数据集的规模,目前的研究主要针对分类任务且局限于单一行走视角和相同穿着条件,这限制了基于雷达的步态识别在实际场景中的应用。该文公开了一个多视角多穿着条件下的雷达步态识别数据集,该数据集使用毫米波雷达采集了121位受试者在多种穿着条件下沿不同视角行走的时频谱图数据,每位受试者共采集8个视角,每个视角采集10组,其中6组为正常穿着,2组为穿大衣,2组为挎包。同时,该文提出一种基于检索任务的雷达步态识别方法,并在公布数据集上进行了实验,实验结果可以作为基准性能指标,方便更多学者在此数据集上开展进一步研究。

基于地形感知的六足机器人运动控制方法

相对于传统的轮式机器人,足式机器人拥有丰富的运动状态,可以适应复杂多变的非结构路面,其中环境检测能力以及稳定的步态控制是现阶段的研究难点之一。结合地形感知与遥控操作的六足机器人运动控制方法采用三维激光雷达实时监测环境,获取机器人周围三维点云数据与高程图信息。提出了基于激光雷达点云数据的自由步态控制算法,实现了遥控器控制机器人运动的功能。在ROS系统中搭建算法,在Gazebo软件中进行步态仿真,最后在真实环境中完成实验验证。为六足机器人在复杂环境中的精确运动提供参考。

基于微多普勒特征的人体运动辨识

基于雷达的人体微动研究是近年发展起来的新技术,雷达对人体的探测有着其他传感器不具备的优势,随着人体微动雷达特征研究的不断深入,对人体运动参数的估计和运动模式的分辨开始受到重视.针对人体规范行走和跑步的辨识问题展开研究,分析人体跑步与规范行走在时空特性上的差别,通过微动测量雷达得到人体行走与跑步的实测数据,着重分析了人体跑步的微多普勒特征及其与规范行走微多普勒特征的异同,然后介绍了参数提取方法并提取躯干的特征参数将其应用于识别,最后以支撑矢量机为分类器对人体运动模式进行辨识.

一种基于连续波生物雷达的人体步态非接触检测系统

人体步态是一个全身肌肉骨骼协调运行的复杂机制,具有特异性,可以作为身份判别或临床疾病诊断的依据。本文介绍了一种基于连续波生物雷达的人体步态非接触检测系统,通过对人体走动时产生的雷达回波信号进行频谱分析,提取出人体步态信号的主要频率,并与加速度传感器获得的数据进行相干分析。实验结果表明生物雷达可以非接触地检测到人体的步态信号,并与加速度检测和视频监测结果具有较好的一致性。

基于分数阶傅里叶变换步态特征提取

针对短时傅里叶变换等时频分析方法不能提取由腿部和手臂运动产生的细致微多普勒特征这一问题,提出了采用分数阶傅里叶变换的雷达步态信号分析方法.在短时傅里叶分析的基础上,应用分数阶傅里叶变换对步态回波信号进行处理,由实测步态数据生成分数阶傅里叶变换谱图并进行了详细分析.结果表明,通过分数阶傅里叶变换可以从步态数据中提取出手臂、腿部摆动的细致微多普勒特征.

基于时-距包围盒目标截取的超宽带雷达多人步态识别

为解决超宽带(UWB)雷达多人识别的目标分割问题,提出了一种基于时-距包围盒(TRBB)的UWB雷达回波数据表示方法及TRBB截取算法,结合卷积神经网络(CNN),一起实现了一种多人步态识别算法框架.框架中,TRBB截取算法包括人体目标检测与快、慢时间分割,前者通过k-means聚类方法获取人体HRRP几何中心,后者利用HRRP几何中心作为参考点,通过截取信号矩阵中的TRBB目标子矩阵,从而实现多目标分离.可以看出,TRBB截取算法既可用于目标识别,也可用于目标跟踪.考虑到CNN擅长挖掘图像的隐含特征,框架选用CNN来学习TRBB中蕴含的步态特征是一个自然的选择.实验室条件下,测试了上述多人步态识别算法框架的性能,平均步态识别准确率达89.3%.

人体步态特征生物识别方法研究

人体行走步态特征是一类重要的生物特征,基于步态特征实现生物识别的方法具有较多优势。在分析人体行走步态特征的基础上,讨论了当前步态识别研究中采用的视频获取、目标提取、步态特征检测以及分类识别的主要技术,研究了基于雷达的步态信号提取方法并给出了实验步态信号时频分析结果;分析了当前研究中存在的主要难点,提出了基于视频、雷达等多传感器数据融合提高步态识别能力的方法,讨论了步态识别的应用领域和前景。

基于涡旋电磁波雷达的人体目标步态精细识别

基于雷达的人体目标识别技术在诸多领域有着重要的应用。涡旋电磁波中携带有轨道角动量,在运动目标回波中会引起线多普勒和角多普勒效应,可为识别提供更丰富的信息。但与线多普勒相比,角多普勒较微弱,二者难以被分离。使用多发多收模型产生线性调频涡旋电磁波,通过双模态回波干涉抑制线多普勒。利用短时傅里叶变换,获得双模态回波的线多普勒和角多普勒时频图,将时频图的幅度值输入到双通道卷积神经网络模型中,获得分类结果。仿真实验结果表明,将线多普勒和角多普勒分离,同时输入到分类模型中可以提升人体步态精细识别能力。

基于单频涡旋电磁波雷达的人体目标步态精细识别

现有基于传统平面电磁波雷达的人体目标识别技术能够实现对步态差异较大的人体目标的分类识别,但在步态精细识别方面面临较大困难。将涡旋电磁波雷达应用于人体步态识别中,尝试通过发射携带有轨道角动量的单频涡旋电磁波来增加雷达回波中的目标信息量,以提高人体步态精细识别能力。首先建立了人体目标的涡旋电磁波雷达回波模型,并仿真生成了3种步态下的回波数据集;然后通过将回波变换到基频,获得目标线多普勒和角多普勒混合信息并用时频图表征,最终将时频图输入到卷积神经网络模型中获得分类结果。仿真实验表明:相比于传统平面电磁波雷达,使用涡旋电磁波可以提升人体步态精细识别能力。

基于激光雷达的多关节机器人姿态自动控制研究

为了避免机器人坡面行进姿态与平坦地形直行姿态出现较大偏差,保证多关节机器人运动稳定性,研究基于激光雷达的多关节机器人姿态自动控制方法;结合激光雷达定位导航技术,构建CPG单元振荡器模型,根据运动步态生成原则优化处理足结构参数,完成多关节机器人的运动姿态参数设定;根据姿态参数设定结果实现运动坐标转换,利用动力学方程的简化与分解表达式,确定非线性耦合项参数化处理结果,整合所得变量数据建立反馈控制器连接闭环,利用反馈控制器连接闭环自动控制多关节机器人姿态;对比实验结果表明,在激光雷达技术作用下,机器人上、下坡步长与平坦直行步长之间的误差最大值仅为10%,机器人行进过程中不会出现明显晃动情况,多关节机器人运动稳定性较高。

步态识别现状与发展

步态识别是一种生物特征识别技术,目的是通过人们走路的姿态进行身份识别。与其他的生物识别技术相比,步态识别具有非接触、远距离和不容易伪装的优点。步态识别自1994年被提出以来发展迅速,而随着算法的提速,步态识别在智能视频监控领域比图像识别更具优势。文中通过对步态识别的原理进行归纳总结,介绍其在识别各阶段的应用;对数据库进行总结和整理,提出了多特征融合识别的方法和前景,展望了身份识别问题的未来发展方向。生物雷达技术的产生和应用将为步态识别提供更多可能。

运用雷达图对脊髓损伤步态训练进行系统评价再评价的质量和效果

目的:系统评价/Meta分析的结果是否为高质量是其能否为临床提供证据可靠性的前提,但目前国内外仍然无对脊髓损伤后步态训练的系统评价/Meta分析进行质量评价。文章用雷达图评价不同步态训练方法对脊髓损伤患者步行功能的系统评价/Meta文献,为临床研究提供直观依据。方法:计算机检索9大中英文数据库,收集关于脊髓损伤使用步态训练的系统评价/Meta文献作为分析资料,数据库检索时间范围自建库之时至2019年10月。从6个维度包括发表年份、研究类型、AMSTAR-2方法学质量评分、PRISMA发表质量评分和同质性及发表偏倚风险多元评价分析文献质量,并计算其秩数平均分。对于结局指标的证据强度,运用GRADE工具对纳入系统评价/Meta分析进行评价。采用Excel2016软件绘制并优化雷达图以供分析。结果:①共纳入20篇合格文献,雷达图多元评价显示,发表年份评均分为11.50,研究类型评均分为14.25,AMSTAR-2方法学质量评分平均分为10.90分,PRISMA报告学质量评分评均分为10.95分,同质性评均分为14.85分,发表偏倚评均分为14.95分,所有纳入文献的质量秩平均得分为12.90分;②运用GRADE工具评价后共有17个结局指标为低质量,40个结局指标为中质量,仅有2个结局指标为高质量;③主要存在方法学质量和研究报告质量低下的问题,具体如项目未通过国际预注册数据库注册并说明研究方案、未说明全面而系统的检索策略、未详细报道纳入的研究内容、未进行异质性检验或未对其结果进行说明等问题。结论:①脊髓损伤步态训练的系统评价/Meta分析文献质量不高,需主要加强方法学质量和研究报告质量以进一步提高文献质量,应严格依照AMSTAR-2和PRISMA量表所提出的标准进行研讨分析;②文章纳入的大部分系统评价/Meta分析研究结论显示步态训练能够改善脊髓损伤患者的步行功能,其中文献质量和证据等级较高的矫形器疗法对于脊髓损伤患者疗效更佳确切,矫形器治疗可以在临床上尽可能多地使用;③雷达测图是一种直观、科学、有效的图形化评价方法,值得今后在康复医学领域推广应用。

基于复延迟时频分布的人体步态回波信号分析

步态识别作为一种新型生物特征识别技术,在公共安全等众多领域有着重要应用前景。针对步态信号传统时频分析方法存在的缺点,本文提出采用复延迟时频分布对人体步态信号进行处理。论文首先建立了人体回波模型,介绍了复延迟时频分布原理,仿真了人体步态回波信号,并给出了时频分布处理结果。结果表明,相较于谱图、Wigner-Ville分布等方法,复延迟时频分布的时频聚集性最好,同时不存在交叉项干扰,为步态识别打下了良好基础。

基于步态质量指数和雷达图的患者步态评定方法

为全面进行步态评定,基于步态质量指数和雷达图提出一种人体步态的图形评定方法,并用该方法对10名健康人和10名患者进行步态评定研究。结果表明:该方法能通过图形面积反映患者步态质量,通过图形形状区分膝屈曲、膝僵直和髋过屈等病症步态。结合步态质量指数的雷达图是一种有效的、量化的、图形化的步态评定方法。

基于生物雷达的人体步态非接触检测技术研究进展

人体步态是一个全身肌肉骨骼协调运行的复杂机制,具有特异性,可作为身份识别或临床疾病诊断的依据,在灾害救援、战场救护、反恐安保及医疗卫生等领域有着广泛的应用价值.传统的步态非接触检测技术主要包括光学图像和超声等,其易受光线、能见度及障碍物等因素影响.近年来,生物雷达技术发展迅猛,基于生物雷达的人体步态信号非接触检测技术更具优势,主要表现在：不受光线影响,可全天候识别;可穿透衣物、伪装甚至墙壁;可在烟、尘、雾等能见度低的天气条件下使用等.论述了生物雷达技术非接触检测人体步态的技术原理和方法,综述其研究现状,并对其发展趋势进行展望.