检索结果-内蒙古大学图书馆

中国生物医学工程学报 2022年第6期41卷 641-649页

作者：吴建宁林秋婷伍滨福建师范大学计算机与网络空间安全学院福州350117 福建师范大学数学与统计学院福州350117 福建师范大学校医院福州350007

针对小样本人体动作数据分类泛化性能差等问题,提出一种基于核主成分分析的相关向量机人体动作分类新型模型。该模型有效利用核函数,融合核主成分分析与相关向量机,在高维特征空间挖掘更多蕴含人体动作差异信息的非线性特征,提升相关向... 详细信息

针对小样本人体动作数据分类泛化性能差等问题,提出一种基于核主成分分析的相关向量机人体动作分类新型模型。该模型有效利用核函数,融合核主成分分析与相关向量机,在高维特征空间挖掘更多蕴含人体动作差异信息的非线性特征,提升相关向量机准确表征人体动作差异稀疏分布的学习性能,提高小样本人体动作数据分类泛化性能。选用美国加利福尼亚州大学公开的可穿戴人体动作数据库UCI-HAR中所有30名受试者,共6类动作模式、10299个样本数据,采用十次交叉验证训练测试方法,评价所提出模型的有效性。结果表明,仅需约10个相关向量,分类准确率可达96%,分别高于基于核主成分分析的支持向量机和CNN-LSTM深度学习模型的分类准确率约5.4%和3.6%,有效提高小样本动作数据分类泛化性能,为准确鉴别人体动作变化提供一个新的思路和方法。

关键词：人体动作分类核主成分分析相关向量机

来源：评论

学校读者我要写书评

暂无评论

基于毫米波雷达的人体动作分类网络

基于毫米波雷达的人体动作分类网络

引用

作者：丁喆大连理工大学

学位级别：硕士

人体动作识别是一个应用范围很广的研究方向，比如像银行机场车站等公共场所的监控、医院患者的康复训练以及独居老人的摔倒检测等，人体动作识别的数据来源多是基于相机传感器，伴随传感器的研发，相机传感器的数据劣势也愈发明显，一... 详细信息

人体动作识别是一个应用范围很广的研究方向，比如像银行机场车站等公共场所的监控、医院患者的康复训练以及独居老人的摔倒检测等，人体动作识别的数据来源多是基于相机传感器，伴随传感器的研发，相机传感器的数据劣势也愈发明显，一方面相机会涉及到被检测人的面部信息等隐私数据，另一方面就单纯的动作识别分类而言，相机传感器的数据过于冗余，许多人体动作识别与分类这一任务不需要精密的数据也能较好的被完成，因而很多不需要精密数据的研究任务也在减少相机传感器的使用来更好的节省计算资源。毫米波雷达不仅可以保证被检测人的面部以及身体的隐私安全，同时该传感器的数据也十分精简，不过此传感器设备也有它的劣势即不能提供原始数据，而是输出点云数据，同时每一帧的点云数据的数据量是不尽相同的，这使得设计能直接处理原始数据的神经网络变得更复杂。　　对于稀疏的时序点云数据，为了保证分类的精确度，需要提取网络的时间与空间特征，在直接基于点云的网络结构产生前，往往是通过体素化点云，以便直接将数据应用到二维卷积神经网络中训练，不过体素化后的数据量巨大，而且预处理过程十分耗时。基于点云的网络结构产生之后，科研者们直接可以输入点云数据到网络结构中进行特征提取，时间特征提取的方式也更加被重视。　　本文的主要贡献具体总结为以下三点：（1）本文设计了轻量级的稀疏点云特征提取网络，在节约资源的同时，分类精确度被验证也到了92%。（2）本文设计不同帧数合并实验，保证网络架构相同，来选取最优帧数合并数量，便于提高分类精确度。（3）对Radhar数据集中的分类完整动作进行了点云连续帧可视化处理，使得每个动作可以以动图的形式更直观的展现。

关键词：人体动作分类点云 PointNet模型毫米波雷达

来源：评论

学校读者我要写书评

暂无评论

基于深度图的人体动作分类自适应算法研究

基于深度图的人体动作分类自适应算法研究

引用

作者：蒋韦晔郑州大学

学位级别：硕士

人体动作分类是计算机视觉领域中快速发展的分支，已经在学术和工业界引起广泛关注。传统的人体动作分类的方法大都是基于摄像机采集到的原始彩色图像进行分类研究，由于摄像机的感光材料、拍摄的光照环境、拍摄的视角等因素造成采集的... 详细信息

人体动作分类是计算机视觉领域中快速发展的分支，已经在学术和工业界引起广泛关注。传统的人体动作分类的方法大都是基于摄像机采集到的原始彩色图像进行分类研究，由于摄像机的感光材料、拍摄的光照环境、拍摄的视角等因素造成采集的图像和视频数据存在分辨率不一致、背景亮度差异大、场景对象模糊等不同程度的干扰因素，一方面给图像和视频的预处理带来困难，另一方面数据的不完善性给分类器的泛化能力带来极大的挑战，限制了人体动作分类技术研究发展。近年来，电子电路技术和计算机传感器技术的发展迅速，直接获取场景深度信息的深度相机的研制取得突破性进展，利用深度相机直接获取场景深度信息得到的深度图像表征摄像机距离场景表面位置的空间位置信息，与摄像机的感光材料以及外界光照、视角等因素无关。利用深度图像的特性，基于深度图像的人体动作分类得到越来越广泛的关注和研究。　　针对深度图像和视频数据的采集，本文采用微软公司研制的Kinect深度摄像机采集的人体动作公开数据MSRAction3D、MSR DailyActivity3D、MSR Gesture3D。针对深度图像的特征提取，首先利用深度图像表征空间距离信息的特性，将深度图像在空间坐标上进行投影得到深度运动图的特征向量，然后根据领域像素的相关性，利用深度运动图的局部二值模式对投影得到的特征向量进行二值模式处理，得到描述人体动作的特征数据，再通过主成分分析对高维特征数据进行降维，降低数据量减小内存要求和时间消耗，并将特征数据划分为训练集和测试集。针对人体动作分类，本文提出一种基于深度图的人体动作识别自适应分类算法，算法结合极限学习机参数少、分类快的优点和自适应差分进化自动优选参数的特性，利用自适应差分进化算法优化极限学习机分类器的网络参数。分类时，以深度运动图局部二值模型提取的主成分分析降维后的特征数据作为输入，以提出的一种基于自适应差分进化算法优化极限学习机作为分类器，对训练集进行五折交叉验证和留出法交叉验证两种方法进行模型训练，使用测试集进行模型测试与分类指标计算，在3个数据集的测试结果显示所提方法提高了算法的分类精度。

关键词：人体动作分类深度图自适应差分进化极限学习机

来源：评论

学校读者我要写书评

暂无评论

基于视觉数据的人体动作精细分类及评估方法研究

基于视觉数据的人体动作精细分类及评估方法研究

引用

作者：李睿敏中国科学院大学(中国科学院西安光学精密机械研究所)

学位级别：博士

人体动作是人类最主要的生物特征之一,让传感器和计算机学会像人类一样感知和理解人体动作具有重要意义。基于视觉数据的人体动作精细分类及评估以其非接触、低成本等优势,广泛地应用于智能安防、人机交互和康复医疗等领域。基于视觉数... 详细信息

人体动作是人类最主要的生物特征之一,让传感器和计算机学会像人类一样感知和理解人体动作具有重要意义。基于视觉数据的人体动作精细分类及评估以其非接触、低成本等优势,广泛地应用于智能安防、人机交互和康复医疗等领域。基于视觉数据的人体动作精细分类及评估指的是利用计算机视觉技术对视频中发生的人类动作进行动作类别预测、时间上的精细分类和动作质量评分,主要包括动作分类、动作检测和动作评估三大模块。目前的研究工作主要存在以下问题:(1)现有的动作分类方法大多数依赖于深度神经网络,难以对动作内部进行深入剖析和研究;(2)目前的动作检测算法没有考虑动作的完整性,定位精度低,难以满足实际场景下的需求;(3)在动作评估研究中,评估动作简单,且局限于对体育赛事的评估。针对以上存在的问题,本文从动作分类、动作检测和动作评估三方面入手,首先提出了可解释的动作分类算法,用于对视频中发生的人类动作进行类别预测。考虑到实际场景下获取的视频通常为未剪切的长视频,进一步提出了渐进式动作检测算法对未剪切长视频中的人类动作进行时间上的精细定位。然后,提出了精细动作评估算法用于对已知类别和精确定位得到的人体动作进行定量评估。最后设计了康复医疗场景下的数字化视觉动作追踪系统,应用提出的动作精细分类及评估算法实现相关疾病的辅助诊断和机制探索。主要研究工作总结如下:1.提出了一种可解释的基于关键片段描述子和步长矩阵模型的人体动作分类算法。将动作单元定义为由连续几帧具有相似空间结构的骨骼帧构成的骨骼片段,提取骨骼片段的时空特征进行聚类形成关键片段字典,将骨骼序列表示为词序列。构建步长矩阵模型,用于编码动作序列的多尺度全局时序信息,通过计算测试样本的步长矩阵与各类别动作的步长矩阵的响应实现动作分类。该算法在Northwestern-UCLA数据库、MSRC-12数据库和CAD-60数据库上的动作分类准确率分别达到78.96%、91.84%和91.18%。2.提出了一种基于深度残差网络和实例搜索的渐进式动作检测算法,专注于实现高精度的动作精细定位。提出用于量化表示当前帧动作进度的进度标签,设计了基于Res Net-50的53层进度标签预测网络LPNet-53,用于实现单帧图像的进度标签回归。提出渐进式动作搜索算法,基于进度标签序列精细定位动作实例发生的区间位置。构建DFMAD-70数据库,用于评估渐进式动作检测算法的性能。该算法在DFMAD-70数据库上的检测精度为:当t Io U=0.5时,m AP=97.0%,当t Io U=0.8时,m AP=76.0%。3.针对康复医疗场景下动作评估自动化的需求,提出了一种基于时域滤波卷积神经网络的动作检测方法,实现了交互过程中的精细动作评估。应用设计的视觉动作追踪系统记录实验对象在精细动作评估任务中的动作数据,构建动作评估数据库。实验结果表明,所提出的动作评估方法的预测结果与人工评分的平均误差为1.83,有效实现了精细动作的自动化评估。4.开发了一套无标记的低成本数字化视觉动作追踪系统,系统由Kinect和头戴式眼动仪组成,Kinect用于捕获记录实验对象动作数据的RGB图像、深度图像和骨骼数据,眼动仪用于捕获实验对象的眼动信息和第一视角下的动作数据。该系统可用于同步记录康复医疗场景下动作评估过程中的动作数据和眼动数据,实现了运动障碍相关疾病的辅助诊断和机制探索。

关键词：人体动作分类人体动作检测人体动作评估视觉动作追踪系统

来源：评论

学校读者我要写书评

暂无评论

基于时间距离像的人体动作深度学习分类

引用

桂林理工大学学报 2019年第1期39卷 197-203页

作者：谢晓兰陈梓涵桂林理工大学信息科学与工程学院

在人体目标的雷达自动识别中,常用提取到的人体微多普勒特征对人体运动状态或动作姿态进行识别。受人体多变姿态和躯干强回波的影响,人体微多普勒特征有时是微弱和模糊的,难以稳定提取并用于分类。本文使用超宽带雷达录取了人体动作的... 详细信息

在人体目标的雷达自动识别中,常用提取到的人体微多普勒特征对人体运动状态或动作姿态进行识别。受人体多变姿态和躯干强回波的影响,人体微多普勒特征有时是微弱和模糊的,难以稳定提取并用于分类。本文使用超宽带雷达录取了人体动作的高分辨率距离像,由连续多帧距离像构建了覆盖整个动作的时间-距离像,采用深度卷积神经网络自动学习时间-距离像的分层特征并进行了分类,对9种动作的平均分类精度达到了96.67%。实验结果验证了深度卷积神经网络对基于时间-距离像的人体动作分类是可行和有效的。

关键词：人体动作分类超宽带雷达时间-距离像深度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：