用时空能量图和小波变换方法表征和识别步态

该文提出一种基于时空能量图和小波变换的步态特征表达和步态识别方法,步态特征由时空能量图经过小波变换后来表示,不必进行严格的时间配准或步态周期的定位。时空能量图将一个序列的多帧图像用一幅灰度图替代,集成了人的运动信息中时间与空间变化的特点,减少了特征的数据量,经证明,时空能量图对噪声不敏感。实验结果表明该算法具有较好的识别性能和较低的空间需求和计算量。     

基于YOLOv5和U2-Net的高铁桥梁裂缝智能检测方法研究

传统数字图像处理技术在处理桥梁结构裂缝时由于裂缝形态和环境影响的复杂性导致检测效果不佳，且缺乏自适应和智能化的能力。为此，基于深度学习提出了一种结合YOLOv5和U2-Net的裂缝检测系统。YOLOv5可实现裂缝实时高精度识别和定位，引入更适用与显著性目标且特征提取能力强的U2-Net图像分割模型，提出了基于计算轮廓最大内切圆算法的裂缝宽度测量法，通过模拟高铁桥梁的破坏性实验，采集2 560张测试图像作为系统的输入端对该系统进行评估。结果表明，识别定位模型测试集的准确率、召回率、平均精确度分别为92.21%、94.63%、95.32%;分割模型测试集准确率、召回率、平均精确度分别达到92.86%、95.61%、93.35%,并能够准确计算出裂缝的宽度。     

4足机器人多步态规划与仿真

为了实现一种前膝后肘式4足机器人多步态稳定行走，课题组采用D H法对机器人进行运动学建模，求解了其运动学正解和逆解。规划了不同步态的足端轨迹和质心位置，分析了静步态和动步态下支撑相和摆动相切换序列，通过平滑关节角过渡的方法使机器人从静步态过渡到动步态。将MATLAB中规划好的关节轨迹作为ADAMS驱动输入，实现了3种步态下的连续仿真。分析了平地行走步态、越障步态和对角小跑步态下机器人运动特性。结果表明规划的3种步态有效可行，静步态和动步态衔接平滑，为驱动元件选型和步态参数优化提供了参考。     

基于扭转振动的多步态移动装置的运动学建模

为了实现移动机器人多步态稳定运动,提出一种新型的利用自身的结构特性来设计移动装置的方法。通过对其 倒立的U型结构的设计,再分别对该移动装置滑、走、跑和跳4个步态进行运动学建模,最后利用ADAMS仿真实现了该 移动装置稳定的多步态的运动。然后根据仿真结果给出了各运动相在每个步态周期中的足地接触距离以及横梁质心位 移的变化情况,最后讨论了影响该移动装置多步态运动的因素,如机体与两腿的长度之比r、共振频率和电机转速等。 结果表明该移动装置实现了多步态的运动,对未来研究多步态移动机器人提供了理论基础。     

双重任务对健康成年人下肢步态的影响

手机的使用已与现代生活密切结合,人们在进行日常活动(例如步行)时使用手机的现象也越来越普遍。步行时使用手机作为一个简单的双重任务不仅会导致注意力缺失引发交通事故,产生严重的后果,还会造成下肢步态模式发生改变。双重任务步态分析已被用于观察日常行走时的姿势控制与注意力分配,通过运动学参数和动力学参数对步行时使用手机进行步态分析。多数研究表明:执行双重任务时会导致步速、步长减慢,步宽、双支撑相延长,足底接触面积改变,足底冲量异常。这些变化会导致下肢步态模式发生紊乱,影响平衡功能和下肢整体生物力学模式。     

从步态中观察疾病

每个人的步态,是在走路时所表现的姿态,其神经系统起着相当重要的作用,受到损害时,就会表现各种各样的步态。常见的异常步态有以下几种：画圈步态：走路时表现患腿膝僵直,足轻度内垂和下垂,足趾下勾,起步时先向健侧转身,将患侧骨盆抬高以提起患肢,行走时足外甩,画半圈。这种步态多见于脑卒中恢复期后遗症。     

脑瘫青少年下台阶步态的运动学分析

通过录像解析等手段,对脑瘫青少年与正常青少年下台阶过程的步态进行对比研究.从时间参数、空间参数以及时-空参数等方面进行分析,结果显示:脑瘫青少年下台阶过程中的步宽、步态周期及髋角变化幅度均大于正常青少年,而膝角和踝角的变化幅度小于正常青少年,脑瘫青少年轻患侧腿和重患侧腿各参数差异较为明显.     

步态检测设备联合量表评估认知功能和跌倒风险的应用初探

目的探讨将步态检测纳入认知功能评定的应用可能性。方法采集受试者的步态参数数据,对比分析规范认知量表测定值和跌倒风险评估情况。结果新型可穿戴智能鞋能够在周期内稳定采集受试者各项步态参数,并实时上传至服务器终端进行数据处理。结论本试验为下一步扩大受试群体,并根据认知程度细分,探讨步态参数与认知量表数值和跌倒风险的相关性,以及为步态参数的深层生物学意义打下基础。     

基于可穿戴传感技术的步态参数建模与跌倒监测方法

在跌倒与认知功能障碍等神经疾病的临床诊断与康复治疗中,步态分析能有效的作为诊断依据,并对跌倒风险与神经疾病患者的康复情况进行评价,帮助制定康复治疗方案和评价疗效。步态数据采集是步态分析的重要环节。其中跨步长和离地高度作为步态数据的一部分,在实际医疗使用中具有较强的参考价值。现有的步态数据采集设备尽管功能强大,采集的数据种类也十分丰富,但是有着操作麻烦、价格昂贵、空间限制等缺点。简易的步态数据采集设备一般都难以采集到跨步长和离地高度等关键数据,难以满足实际需要。本文针对以上的问题,提出了一种通过三轴加速度传感器和陀螺仪采集足部角度数据并通过BP神经网络进行机器学习来推算跨步长和离地高度数据的方法。通过对训练集进行学习训练与交叉认证,得到了跨步长86%,离地高度80%的准确率,论证了通过足部跨步过程中的角度数据推算跨步长和离地高度的可行性,并且利用角度数据进行跌倒监测的初步试验,监测成功率为93. 75%。     

基于面部生理特征和深度学习的表情识别方法

针对现有深度网络人脸表情识别方法中网络训练不足,以及迁移学习冗余信息等问题,提出一种新的端到端深度神经网络框架,该框架分为面部组成模块、表征模块和分类模块3个部分,在表征模块中引入了一种新的构建函数,由卷积运算和元素点乘操作组成,可有效提高面部特征的识别能力。另外,基于面部肌肉的运动产生面部表情变化原理,设计了新的损失函数Softmax-MSEREG,使整个神经网络的学习过程规范化,保证提出的神经网络可以显式地学习特定的表情特征。实验结果表明:与其他先进的表情识别方法对比,该模型对实验室控制和野外环境下的图像适用性能更好,表情识别准确率更高。     

双足行走机器人步态与稳定性研究

双足行走机器人的步态稳定控制系统不仅系统结构复杂,而且系统耦合度较高,因此,需要机器人具有稳定性较强的步态稳定控制系统为机器人提供稳定运行的保障。文章从步态稳定控制系统的软硬件设计以及步态控制算法等方面进行了研究。利用六轴传感器检测机器人的运动状态,并提出了去除重力分量的RCG姿态解算算法作为机器人的步态控制算法。除此之外,系统的控制模式采用了主从控制模式,将系统分成了主控板和舵机控制板两大部分,在一定程度上降低了系统的耦合性,使系统的升级与维护能够更加有针对性的分开进行。最后利用模拟样机与实验样机进行了一系列实验证明了步态稳定控制系统具有有效性。     

一种通过变量分配改进脸谱图的思路与方法研究

针对现有Chernoff脸谱图(以下简称脸谱图)的绘制过程并未考虑变量分配对其最终表达能力的影响,本文尝试提出改进脸谱图的思路.首先通过人类对不同脸谱图物件(包括脸部器官和发型等)的识别敏感度进行降序排序;其次对变量的变异程度依方差、变异系数、极差同样进行降序排序;再次依强强结合的原则将变异程度高的变量分配到识别敏感度高的(变异程度低的变量则分配到识别敏感度低的)构件上,实现脸谱图的改进,增强脸谱图的表达能力;最后利用人体尺寸数据与树叶轮廓数据对几个方案进行比较,得出基于方差与极差的变量分配所得到的脸谱图明显优于现行基于变量随机分配的脸谱图的结论.     

基于DAGSVM和决策树的电气草图符号识别

针对电气行业设计人员构思初步电路方案徒手绘制电气草图时,存在的电气符号模糊性和输入的随意性等缺点,提出基于有向无环图支持向量机(DAGSVM)和决策树的组合符号识别模型。提出了改进的有向无环图支持向量机多分类算法用于基本符号识别和组合符号识别;在组合符号预分类过程中引入决策树算法用来减少分类器的数量。应用结果表明：应用该模型的系统不仅能够有效识别出各种复杂的手绘电气符号,且有效地降低了识别的计算成本。该系统能帮助电气工程师将设计思想快速、清晰地转换为电气工程图,提高了设计效率。     

脑瘫青少年上台阶的步态运动学分析

通过对辅读学校的多名脑瘫青少年上台阶的录像解析,运用运动学手段对脑瘫青少年的上台阶过程进行步态分析及运动学测试分析.研究了脑瘫青少年的步态在空间、时间、时空等参数,指出了脑瘫青少年在上台阶过程中的步态的基本特征.     

V/x型牵引变压器匝间短路识别方法研究

V/x型牵引变压器匝间短路是威胁重载货运专线牵引供电系统运行安全的重要因素,欲实现匝间故障的快速、准确识别,必须建立高效的模态特征提取方法。组合经验模态分解(EMD)和能量权重原理的多尺度能量熵识别方法,可从差动电流信号中准确提取牵引变压器匝间的动态特征信息。该方法首先对差动电流信号进行EMD分解,以获得若干固有模态函数(IMF)分量;然后计算差动电流信号和各个IMF分量的能量权重;最后构建基于能量权重的多尺度能量熵,并以熵值作为识别匝间短路的特征矢量。实验案例证明,该方法不仅能快速准确识别出变压器匝间短路,而且具有原理清晰、模式空间划分简单的优点。     

镇静剂对马匹运动步态影响的实验研究

针对镇静药物是否对马匹运动步态存在影响,采用无线惯性传感器、运动分析系统等实验设备监测、采集马匹步态运动信号,并对步态数据进行非线性分析,研究了不同时间段注射或未注射镇静药物对马匹(比如跛马)在运动过程中步态的影响情况,研究结果表明:与未注射镇静剂的跛马步态数据相比,镇静剂促使运动系统的时间延迟增大,但对系统的全局嵌入维数无明显影响.     

CCD图像的轮廓特征点提取算法

采用最大方差法将图像二值化,用图像形态学的梯度﹑细化和修剪算法来提取边缘轮廓,利用十一点曲率法得到轮廓的角点和切点的大致位置。提出了一种基于最小二乘拟合的改进算法,来进一步确定角点和切点,并对轮廓分段识别。该算法应用在基于图像处理的刀具测量系统中,实际结果表明具有良好的抗噪声性能,能准确提取出图像的特征点。     

不同类型智障学生步态特征的运动学分析

运用运动生物力学的录像解析法,对烟台市辅读学校三种不同类型轻度智障学生(各1名)进行了步态的运动学参数的分析,分别对其步态的时间、空间、时空参数进行了比较.结果显示:脑瘫学生在各参数中均存在异常;自闭症学生各参数与正常人差异不大;多动症学生在缓冲阶段脚尖主动下压明显,导致重心不稳定.     

国内深度学习研究热点及现状述评——基于2005-2019年间文献关键词可视化分析

以中国知网(CNKI)收录的2005-2019年间的2780篇深度学习相关文献为研究对象,采用共词聚类分析方法,通过谱系图梳理出我国当前深度学习领域的研究现状和热点。国内以深度学习和深度教学为主线,主要研究深度学习的发展脉络、课堂发生机制、内涵及深度教学、深度学习背景下的信息化教学模式四大类。为了获得深度学习领域更多的创新性成果,未来研究应深挖理论体系,扎根实践教学;在实证研究中深化教育机制体制建设;从学生深度学习延伸到教师深度教学;拓宽研究视角和研究场域。     

基于梯度矢量流snake与多尺度分析的血管内超声图像轮廓提取

提取血管内超声(IVUS)图像的血管内腔轮廓对冠状动脉疾病的诊断有积极意义。本文提出了一种基于梯度矢量流(GVF)snake与多尺度分析的轮廓提取新方法。针对传统GVF snake的轮廓初始化、抑制噪声和伪像干扰两个难点,本文方法在如下两个方面进行了改进:第一,利用序列图像的特性产生时间方差图并得到初始轮廓,从而实现轮廓提取过程的全自动化;第二,引入多尺度分析,使GVF snake在离散小波变换得到的多尺度图中形变,从而增强了算法的鲁棒性。对仿真图像和实际IVUS图像的实验表明,该方法在轮廓提取的精度方面优于传统的GVF snake方法。