An efficient embedding tree matching algorithm based on metaphoric dependency syntax tree

To find out all dependency relationships in which metaphors probably exist between syntax constituents in a given sentence,a dependency tree matching algorithm oriented to Chinese metaphor processing is proposed based on a research of unordered tree inclusion matching.In this algorithm,the pattern library is composed of formalization dependency syntax trees that are derived from large-scale metaphor sentences.These kinds of metaphor sentences are saved in the pattern library in advance.The main process of this algorithm is up-down searching and bottom-up backtracking revising.The algorithm discovers potential metaphoric structures in Chinese sentences from metaphoric dependency pattern library.Finally,the feasibility and efficiency of the new matching algorithm are further testified by the results of a series of experiments on dependency pattern library.Hence,accurate dependency relationships can be achieved through this algorithm.

肌电和足压信息融合的外骨骼步态识别

为解决基于单一信号识别步态相位不够精准的问题,开展了动态交互力激励下的人机协同行走的步态识别研究。设计了肌电和足压信息采集的多模态传感器检测硬件平台;分别对单一信号开展滤波降噪、特征提取与降维等预处理;将表征下肢生理信息的肌电信号与运动信息的足压信号相融合,构建了支持向量机-模糊C均值(support vector machine-fuzzy C-mean algorithm,SVM-FCM)多模信息融合的外骨骼助行步态识别算法;开展了人机协同助行实验,实验结果表明:信息融合后的人机步态相位平均识别率达到82.49%,优于使用单一信号的识别效果,验证了多模信息融合算法识别人机协同步态的有效性。本研究可用于下肢外骨骼机器人运动控制,为人机运动相融奠定基础。

基于时空特征融合的交通警察手势识别

近年来,随着人体姿态估计技术的发展,基于骨架关键点的手势识别技术应运而生。提出了一个GCPM-AGRU模型进行交通警察手势识别。为了更准确地定位人体关键点,对卷积姿态机(CPM)进行改进。在特征提取模块中加入残差思想、通道拆分和通道重组,设计后的特征提取模块更好提取图片特征;在CPM第一阶段加入并行多分支Inception4d结构,使CPM网络具有多尺度特征融合思想,有效改进对人体关键点定位的问题;提出基于注意力机制的GRU,通过为每帧分配不同权重来达到对每帧不同程度的关注,从而更好获取时间信息;结合时空特征信息进行交通警察手势识别。交通警察手势识别的准确度达到了93.7%,相比网络改进之前提高了2.95个百分点。

基于机器学习的人体动作深度信息识别方法分析

本文分析和探索了机器学习的人体动作深度信息识别方法,先探究了人体动作深度信息识别,再分析了人体动作深度信息识别方法,最后对机器学习的人体动作深度信息识别方法的优化措施提出了一些简单的建议与意见。

粒子群K均值聚类的人力资源信息自动采集

利用目前方法对人力资源信息进行自动采集时,没有对人力资源信息类别进行确立,存在人力资源信息匹配度低、不同时间和不同数量下信息采样率差的问题,提出基于粒子群K均值聚类算法的人力资源信息自动采集方法。对K均值聚类算法和粒子群算法进行描述,将两种算法相结合,从中寻取个体最优值,并对粒子的速度及其位置进行调节和限制,基于粒子群K均值算法对人力资源信息进行自动采集。实验结果表明,通过对该方法进行人力资源信息匹配度测试、不同时间和不同数量的信息采样率测试,验证该方法的有效性较强、精准度较高。

基于改进长短时记忆网络模型的人体运动姿态识别

人体运动数据对于人体运动异常判断有着重要的参考作用,为了提高人体姿态识别的准确性,提出一种基于改进长短时记忆网络模型的识别方法。该方法利用三轴加速度传感器采集人体运动姿态信息并对其进行小波阈值去噪处理,消除噪声干扰。通过计算特征冗余度筛选人体运动姿态特征,包括轴间相关系数、信号幅值面积和离散系数。基于粒子群算法改进长短时记忆网络模型并进行训练,以3个特征为输入,得出人体运动姿态类别。结果表明:基于改进长短时记忆网络模型的姿态识别方法的识别准确率,要显著优于机器学习的识别方法、改进DenseNet的识别方法和基于激光传感器的识别方法。

基于Transformer的人体动作识别

为实现人体动作的精准识别,判断人体行为,提出基于Transformer的人体动作识别方法。以注意力机制神经网络为基础,引入Transformer框架,构建人体动作识别网络模型;该模型利用注意力机制提取视频中关键信息特征,同时依据Transformer模块提取动作帧的时间特征,将提取的两种特征融合后输入分类器中,经由模型的分类器完成动作分类识别。测试结果表明,该方法具有较好的应用效果,能够精准识别视频图像中的人体动作情况,判断人体行为。

集中插入式帧同步识别方法

在非协作方截获的数字序列帧同步码的识别问题研究中,由于帧的长度未知、帧同步码未知,给识别带来困难。为此,提出了利用小区域检测估计帧长,利用二次滤波估计帧起始位,然后用模糊匹配识别帧同步码型的识别方法,对巴克码或m序列进行了集中插入式帧同步识别仿真。仿真结果表明:在误码率不大于4%的情况下,上述方法对集中式插入帧同步的数据帧有较高的帧同步识别率:巴克码为80%,m序列为78%.

人体几何建模方法综述

人体建模是计算机图形学与计算机视觉领域的重要研究课题,而人体几何建模则是人体建模的基础。人体几何建模技术发展至今,已经出现了大量的实现方法。回顾和总结了人体几何建模领域一些最新的研究成果,将其分为直接建模方法、2D图片识别方法、模板匹配方法、统计综合建模4大类,并且对人体几何建模方法的未来发展趋势进行了展望。

激光点云运动人体目标识别及运动信息提取

针对传统的关键点检测方法进行人体运动信息提取和图形重构获得的可测截面少和精度低的问题,提出一种基于激光点云技术的运动人体目标识别及运动信息提取方法。采用多视点云配准方法进行运动人体目标的三维光学面扫描,获得运动人体目标的体绘制图像,采用高斯滤波法剔除服从正态分布的噪声,获得能准确反映人体运动行为特征的有用数据特征。使用激光点云平滑技术消除人体运动重建曲面的毛刺,保留原始点云的特征信息。通过点云采样技术拟合获得人体运动信息,实现人体运动信息有效提取。仿真结果表明,该方法能有效实现人体运动动作图像重构,重建几何精度较高,对运动信息提取的拟合准确性较好。

基于语音监控的车内防误锁装置设计

针对因汽车驾驶员失误造成儿童留于车内,导致其在车内高温、密闭环境下造成伤亡的现象,采用非特定人声识别技术,设计了一种具有三级报警功能的语音监测控制系统。通过事先录入常见的求救语音信号,待驾驶员下车关门后,监测模块将采用特征匹配算法自动监测车内存在的声音。如监测到车内存在被误锁人员发出的求救声,包括儿童的哭闹声、求救声、拍打玻璃门窗声等,该监测模块将向车主发送报警短信、拨打报警电话等。经测试,在不同语速、关键词和识别率条件下,该系统均能正确地向用户发出报警,对防止儿童因误锁于车内而导致的伤亡事故具有较强的推广应用价值。

基于Unity 3D的增强现实动画展示窗

为了进一步研究增强现实在现实生活中的参考及应用价值,本项目以Unity 3D为基础进行增强现实的软件开发,搭建一个打破虚实隔阂的虚实交互展示窗。该系统基于增强现实的3个特点:虚拟结合、实时交互、三维注册,利用投影仪搭建一个投影展台,能够根据下方书册不同的书页进行图像识别处理,通过摄像图片和数据库图片的比对,选择对应视频进行投影,最终实现虚实交互。经过系统测试,展示窗工作稳定,可靠性高。该系统可以与使用者进行互动,根据人手势的挥动来进行相应的操作,可应用于教育、娱乐和智慧生活等多方面,具有较为广泛的应用前景。

基于WTA立体匹配算法的人体检测方法研究

针对目前基于双目视觉的人体检测方法中立体匹配算法计算量过大、实时性不强的问题,本文提出了一种改进的WTA立体匹配检测算法:通过提取图像的边缘点和两幅视图间存在较大差异的点作为特征点,对特征点采用WTA算法进行人体检测。实验结果证明该检测方法整体匹配精度与目前其它基于区域的检测方法相当,但视差边缘的误匹配率较低,且计算速度很好的满足了实时性的要求,是一种有效可行的人体检测方法。

人体信息匹配识别系统的设计与实现

针对特定人物的识别追踪问题,设计了人体信息匹配识别系统。系统通过图像目标提取其人体轮廓信息和行为信息,利用改进的k-means聚类算法和最佳可能性估测法建立起人体信息匹配概率模型,并计算出监控区运动个体信息匹配概率最大值,通过概率值比较从而确定是否为匹配图像,并经过OpenCV处理从而在上位机显示。实验结果表明,该系统运作可靠稳定,在监控区域进行人体信息匹配识别时能够发挥一定的效果。

基于DSP的运动人体识别算法实现及其优化

运动人体识别算法由人体目标提取、头部定位、肢体分割和人体建模四部分组成。文中阐述了算法的基本原理,分析了影响算法速度的主要函数和原因。分析发现人体目标提取和肢体分割模块占用了算法时间的96%。傅里叶变换和移动向量计算成为影响肢体分割算法速度的“瓶颈”,而中值滤波和形态学滤波则是影响人体目标提取算法速度的“瓶颈”因素。针对TMS320C6000DSP体系结构特点,提出了算法优化策略。通过合理配置编译器优化选项、采用内联函数、分解多层循环、指定存储器相关性,以及合理选用标准库函数的方法对算法进行了优化。实验结果表明,优化后的算法执行速度大大提高。

基于粒子群优化的核匹配追踪目标识别(英文)

提出了一种基于粒子群优化的用于目标识别的核匹配追踪算法.该算法用粒子群优化算法在基函数字典中选择最优的基函数,大大降低了基匹配追踪算法的计算复杂度.通过与标准核匹配追踪算法及基于遗传算法的核匹配追踪算法对UCI数据集及纹理图像的识别试验表明,核匹配追踪算法优良的分类性能以及粒子群优化算法高效的全局搜索能力使新算法能有效识别目标数据.

基于无线体域网的人体姿态多级分层识别算法

为解决无线体域网WBAN(Wireless Body Area Network)中人体姿态识别率低、算法复杂的问题,设计了一种以多层分级理论为基础的人体姿态多级分层识别算法。考虑到使用者的舒适度,将九轴加速度陀螺仪传感器(VG350)做成腰带佩戴在腰部实时采集数据。运用加速度向量幅值(SVM:Signal Vector Magnitude)、角度、角加速度和位移等参量,通过对实际测量数据的分析,将坐、蹲、弯腰、慢走和跑等姿态进行识别。实验结果表明,该算法简单,姿态识别率高达96.5%。

多证据信息融合的行人运动状态识别模型

采用粒子滤波的方式对人的运动情况进行分析的时候,进行数据采集的时候经常会产生数据不够,造成系统运行结果差强人意,鲁棒特性较差。基于这样的问题,算法结合了色彩、空间和细节特征等多方面的数据信息来完成外观模型的建立,在对其时域特性和详细特征进行分析之后,使用RGB颜色模式完成对应的模型;经过LBP处理之后,对进行优化的TD-LBP模型进行进一步说明,除去亮度小范围变化给纹理区分带来的影响;并且,引入了空间概念,目的在于依据人的特点,同时通过亮度的方式将一定的区域进行进一步划分,成为3个子区域,接着把不同子区域内的证据信息进行提取。经过实验证明之后,采用的这个模型在综合了直方图作为辅助之后,能够完成复杂情况下的行人跟踪分析,所采用的TD-LBP算法也比LBP算法更加的精准。

RGBD人体行为识别中的自适应特征选择方法

目前在RGBD视频的行为识别中,为了提高识别准确率,许多方法采用多特征融合的方式。通过实验分析发现,行为在特定特征上的分类效果好,但是多特征融合并不能体现个别特征的分类优势,同时融合后的特征维度很高,时空开销大。为了解决这个问题,提出了RGBD人体行为识别中的自适应特征选择方法,通过随机森林和信息熵分析人体关节点判别力,以高判别力的人体关节点的数量作为特征选择的标准。通过该数量阈值的筛选,选择关节点特征或者关节点相对位置作为行为识别特征。实验结果表明,该方法相比于特征融合的算法,行为识别的准确率有了较大提高,超过了大部分算法的识别结果。

基于随机森林算法的服装3D人体特征识别

提出了一种基于随机森林算法的3D人体特征识别算法.首先,利用bootsrap重抽样从3D人体特征样本中抽取多个样本,并对每个bootsrap样本进行建模,生成一定数量的决策树,在此基础上组合多个决策树的预测,通过投票预测特征点,把投票比例最高的点作为特征点.然后,利用3次B样条对特征点进行拟合得到3D扫描人体轮廓线,并测定人体尺寸数据.最后,将测试结果与标准测量结果进行比较,计算误差值.仿真实验表明,该方法对不同的3D扫描人体模型具有良好的识别效果.