摘要：人体动作捕捉是指通过技术手段捕捉人体的运动轨迹和姿态信息,广泛应用于娱乐、体育、医疗等领域.然而,现有的动作捕捉技术存在捕捉不准确、计算效率低等问题,影响了其在实时应用场景中的表现.针对这些问题,引入一种骨骼点坐标拟合优化Levenberg-Marquardt算法,并采用粒子群算法对其加以优化.同时采用动态时间规整算法进行人体动作捕捉及评估,以期实现人体动作的实时捕捉.结果显示,该算法对肩部侧平举这一动作的捕捉准确率最高达到了99.23%,明显优于其余对比算法.此外,该算法对深蹲动作的测试时间最短,仅为1.15 s,表明该算法在进行动作捕捉时具有显著的性能优势及很强的实际应用效果,为人体动作捕捉领域提供了新的解决方案.

摘要：地震动记录是进行结构时程反应分析的重要输入数据。由选取不同地震动记录所计算的时程反应分析结果之间的差异非常显著。本文依据我国现行建筑结构抗震设计规范规定的在时程反应分析中选取地震动的原则,基于动态时间规整算法提出了一种在全周期范围内匹配目标设计谱的地震动选取方法。该方法以DTW距作为控制加速度反应谱与目标设计谱匹配程度的标准参数。为便于在实际中应用,对于每一种不同形式的目标设计谱,本文均给出了10条与该目标设计谱最为匹配的地震动记录。为验证本文方法的有效性,最后以3个不同自振周期的框架结构为例,对本文方法进行了验证。

摘要：动态时间规整算法(Dynamic Time Warping,DTW)是语音识别中常用的技术之一。为了提升因数据量增加以及算法对数据的高度依赖性所导致的计算性能降低,提出一种针对语音帧的动态时间规整算法硬件架构。识别计算过程中,通过使用算法时间复杂度相对低的下界距离函数(Lower Bound Function,LBF)取代算法时间复杂度高的动态时间规整算法进行语音特征序列全模板匹配,筛选出近似的语音特征序列,经过逻辑组件的流水线调度送入PE-FIFO环形计算单元,进行精准动态时间规整计算。实验使用ARTIX-7 XC7A35T器件进行板级验证,平均耗时4.58 ms,相较于同类型硬件识别方案速度提升4倍以上,识别率达到91%。

摘要：针对盲人出行时的安全和监护问题,提出了一种基于机器学习算法的盲人物联网手杖系统的设计,该系统具有避障、定位、报警和通信等多种功能。首先,该系统具有红外线避障和超声波测距避障的基本功能,可以用于盲人日常出行对路况障碍物的检测,并且实时利用语音和电机震动给予提醒;其次,该系统还具有远程通信求助功能,可以向指定号码发送求助短信及电话;同时,系统还加入了全球定位系统(GPS)、加速度计陀螺仪姿态角度解算功能和以K近邻(KNN)和动态时间规整(DTW)算法为基础的异常姿态报警功能,它能将各类信息数据传输至云端服务器存储;最后,采用微信小程序代替原生APP作为监护操作界面,并提供一键报警、天气查询、盲人安全资讯等功能。测试实验结果表明,所提系统的姿态识别成功率达到了86%,正确率比姿态角系统提高将近31%。该盲人物联网手杖系统可以极大地提高盲人出行的安全性,使盲人能够在发生意外时及时求助,实现了对盲人姿态的安全监护和定位监护。

摘要：异常步态的识别对老年人的健康看护有很大帮助.现有的相关研究主要通过图像采集设备或穿戴设备获取相关特征信息进行识别,这些方法大多都具有侵入性或对用户有较高的操作要求.本文研究实现了一种基于对脚步震动信号为识别源进行异常步态和跌倒检测的系统原型,该系统通过本文设计的应用于大范围数据采集的多传感器协同信号采集方法采集信号,从中分割出有效部分作为活动元,去噪后再使用改进的动态时间规整算法(Dynamic Time Warping,DTW)计算出代表活动元之间差异性的异常指数,接着由K最近邻(K-Nearest Neighbor,KNN)算法分类异常指数,得到初步表征用户步态的推测值,最后由隐马尔科夫模型(Hidden Markov Model,HMM)进一步处理推测值,识别出用户的步态.实验结果表明,本文提出的方法能够有效在不同的步态模式下识别异常步态,在稳定的环境中识别准确率达到96%,在具有不稳定地板的环境中准确率为94%.

摘要：研究碳酸盐岩缝洞型油藏天然能量开发阶段的采油井间连通关系对于后续实施注水开发、确定注采对应关系和转注油井以及进行注水井位部署都具有重要意义.由于静态法在矿场井间连通性分析中存在不确定性,所以通常采用动态连通性分析井间连通情况.本研究从生产动态数据入手,优选油压、流压、产能和动液面4类动态数据,首先基于动态时间规整算法,设计井间连通识别方法进行采油井间连通分析;其次以采油井间的动态曲线相似度为基础,采用“五标度改进层次分析-熵权法”计算各动态曲线相似度的指标权重;最后建立天然能量开发阶段缝洞型油藏的采油井间连通程度评价模型.利用该模型对某缝洞油藏进行实例分析,其评价结果与已知的静态连通分析结果及生产动态特征一致性高,验证了评价模型的准确性.该模型可以为天然能量开发阶段的缝洞型油藏采油井连通性分析提供参考.

摘要：利用语音命令实现与智能设备的交互已经成为现代控制理论研究的热门话题之一。介绍了一种基于数字信号处理器(DSP)、语音采集模块、无线收发模块、片上外设等资源实现的语音命令控制处理系统。该系统首先通过语音采集模块采集到语音控制信号;然后通过DSP和相应的片上外设实现对语音命令的识别;最后将识别的语音命令传递给无线收发模块以实现对于智能设备的控制。整个系统的设计应用领域广泛,可以为人机交互提供一种切实可行的参考方案。

摘要：为克服人体行为识别传统方法在解决行为分割、训练集规模过小和行为无关数据干扰等方面存在的问题,提出一种基于动作捕获数据的人体行为识别方法。利用动作捕获设备Kinect获取人体骨架数据流,从骨架流数据中提取人体的姿态特征,基于决策树和动态时间规整算法进行人体行为的识别。实验结果表明,该算法可以取得较好的实验效果,比现有方法具有更好的识别准确性。

摘要：针对基于视觉的手势识别技术对环境要求较高和计算量大的问题,探讨一种基于超像素的手势识别算法。根据手势图像的特点把手部区域分割出来,利用SLIC算法获得手部区域的超像素表示,进行超像素的规范化和有序化处理,采用动态规整算法实现不同手势的识别。实验结果表明,该方法能够在复杂背景、肤色干扰等变化条件下获得较高的识别率和计算效率,具有很好的抗干扰性和稳定性。

摘要：在人体行为动作中,基于手势动作的识别研究具有便捷、直观、互动性强、表达信息丰富等特点而成为众多研究者对人体行为分析的首选。传统的动作识别一般是建立在二维彩色图像上进行研究,而二维RGB图像容易受到背景扰动、光线、环境等因素对人体目标检测的干扰。对微软Kinect体感设备进行研究,利用Kinect捕获的深度图像,将其转换成骨骼图并提取骨骼关节点空间坐标信息,设计一个人体手势识别系统。借助动态时间规整算法将测试模板与训练样本进行相似度的匹配计算,达到姿势识别的目的。在Unity 3D里进行虚拟模型同步演示,实现了对人体动作手势指令的识别和对模型的控制。