基于Kinect的体感交互的应用

随着计算机系统输入设备的发展,各种专业的传感器被嵌入到人们日常生活的设备中.近年来微软开发的Kinect传感器的引入为解决人体行为分析提供了新的思路.本文主要介绍了Kinect相比较传统的人体行为分析方法的优点和Kinect所提供的功能,分析了Kinect体感操作的应用.     

基于加速度传感器的老年人跌倒检测装置设计

为了提供老年人安全保障和保护用户隐私,设计了一种基于加速度传感器的跌倒检测装置.针对独居老人的特点,结合微传感器、数字信号处理以及无线传输等技术,利用人体运动产生的加速度,提出了一种鲁棒的跌倒算法.该装置在人体佩戴实验中,可以区分出正常人体活动与跌倒事件,自动发出跌倒报警信号,从而使用户在尽可能短的时间内得到医疗救护.     

基于惯性传感器的轻量化卷积神经网络跌倒检测算法

在可穿戴式跌倒检测终端中部署微型机器学习模型,存在计算力弱、内存受限和传统机器学习算法手动选取特征不完善等问题,提出一种基于惯性传感器的轻量化卷积神经网络跌倒检测算法,设计并实现了高精度可穿戴式跌倒检测系统。该算法自动从跌倒数据中提取更完善的数据特征和采用深度方向可分离卷积,将标准卷积分解成深度方向卷积和点方向卷积,在只失去0.2%跌倒检测精度下,卷积层参数量减少75.32%,使之更适于资源受限的嵌入式终端中部署。实验结果表明该算法在实际跌倒测试环境中,平均准确率、敏感度和特异性分别达到了99.29%、98.00%和100.00%。该算法相比其他算法既减少了模型大小和计算量,又保证了跌倒检测精度,该系统的成功研发为老年人跌倒检测与报警提供了新的途径。     

基于可穿戴压力传感器的跌倒检测研究综述

跌倒是老年人因伤害死亡的主因之一,在跌倒后第一时间施救可以减轻跌倒事件导致的严重后果。同时,随着微机电技术的发展,基于可穿戴设备的跌倒检测研究逐渐成为学者关注的焦点。为了系统梳理基于可穿戴压力传感器的跌倒检测研究进展,首先以人体足部生理结构为基础,分析可穿戴压力传感器作用于跌倒检测的原理与特点;其次基于跌倒检测系统框架,详细综述了压力传感器的设置和系统集成方法、压力数据的特殊处理方法以及跌倒检测模型的不同判断方法;最后对已有研究成果进行分类和对比分析,为后续研究提供借鉴和参考。     

基于加速度传感器的人体跌倒检测方法

针对人体跌倒检测阈值算法在由于阈值设定不当而引起的检测精度下降问题,采用支持向量机方法决定跌倒检测的阈值大小。从加速度传感器中获取人体运动信号,提取合加速度以及倾角作为分类特征,根据人体在跌倒时经过的失重、撞击地面和平稳三个阶段,建立基于阈值的跌倒检测模型。采用所建立的跌倒检测模型,分别用支持向量机方法以及人工方法设定阈值,仿真结果显示采用支持向量机设定阈值的检测效果优于对比算法,结果表明本文方法能有效识别跌倒。     

基于微软Kinect的体感控制智能窗帘系统

设计了一种基于微软Kinect的体感控制智能窗帘系统。采用微软Kinect v1传感器及其开发者工具包(SDK)和Microsoft Visual Studio集成开发环境作为核心开发工具,并和基于80c51单片机的步进电机控制系统组成体感控制智能窗帘系统。能够通过Kinect体感传感器对人体肢体动作识别并做判断,并将判断结果通过串口通讯传送至单片机控制步进电机系统,从而使得通过肢体动作控制窗帘系统的开启和关闭。本系统具有动作判断准确、易于针对特殊群体进行拓展开发、使用方便等优点,在智能家居、残疾人士辅助工具方面有较大应用价值。     

Android移动设备传感器的体感应用分析

为了进一步探讨Android移动设备传感器的体感应用,文中对服务器和Android手机的通信以及传感器模式进行了较为详细的分析。     

基于惯性传感器的体感手环教学系统的设计

针对课堂教学过程中需要手握激光笔遥控PowerPoint幻灯片翻页和话筒出现啸叫的问题,本文设计了体感手环教学控制系统,该系统采用基于蓝牙传输的无线控制结构,对体感手环的惯性传感器和接收装置等硬件电路和软件流程进行设计,重点研究并提出了基于惯性传感器的手势动作定义和特征提取,并对话筒啸叫消除的实现方法进行论述。实验测试数据表明,系统识别向左或右、向上或下一挥的手势动作成功率在92%以上,误动作率在4%以内,能够控制PowerPoint幻灯片向上或向下翻页以及控制无线话筒的音量大小,可以实时缓解话筒啸叫引起的干扰,实现设计效果。     

基于Kinect的四旋翼无人机体感控制

针对无人机（ UAV）远程控制中操作复杂、专业性高的问题,基于Kinect传感器提出了一种无人机体感控制方案,并进行了验证。利用Kinect传感器提取操作者身体的骨骼节点数据,设计并识别操作者体势动作,进而生成对应的四旋翼飞行控制指令,通过无线数传模块传输控制指令,对无人机进行远程控制。实验结果表明：设计的识别算法可以准确地识别体势动作,对无人机进行实时的控制,控制方式直观简单、效果良好。     

基于Kinect的体感康复游戏系统设计

传统的康复训练因理疗师和设备紧缺、训练场地有限、娱乐性差等问题,存在着很大的局限性。构建了基于Kinect与Unity3D的体感康复游戏系统,主要特色包括:虚拟人物与玩家运动同步;通过引导轨迹实现运行引导反馈、卡通目标点设定算法实现游戏的不同难度等。测试结果表明,系统具有很好的实时性、交互性和娱乐性,对类似体感游戏开发有较好的参考价值。     

Kinect与Unity3D数据整合技术在体感游戏中的应用研究

通过分析Kinect与Unity3D数据整合关键技术,从WPF与Unity 3D内部调用方式展开系统设计。设计分为Unity3D场景展示模块、Unity3D的接口模块和Kinect的数据获取三模块。其中Unity3D接口模块实现了的场景设置,骨骼绑定、镜像运动、近景模式、平滑处理功能;Kinect数据获取模块通过代码实现设备控制、骨骼绑定算法、设备图像获取。测试证明,通过C#对非托管的dll的管理方式,导入Kinect硬件的驱动程序,调用自定义的数据结构和算法,实现在unity 3D场景中,使用Kinect体感镜头控制场景中的人物模型运动,提高了体感游戏的开发效率,在体感游戏的开发和应用中有一定的社会推广价值。     

基于三轴加速度传感器的老年人摔倒检测系统

为解决老年人摔倒检测中的检测精度和检测设备功耗高的难题,设计了基于三轴加速度传感器的老年人摔倒检测系统.采用MEMS三轴加速度传感器和低功耗单片机完成人体三轴加速度数据的采集和处理,以满足低功耗要求;并建立基于三轴加速度信息的摔倒检测阈值点判断算法,并对关键参数进行确定,以提高检测算法精度.通过仿真老年人日常行为动作和多种摔倒行为,获取到全面有效实验数据,采用阈值点摔倒检测算法进行验证.摔倒准确率为93.96％,说明系统可以有效地对老年人摔倒行为作出检测,实现低功耗长时间工作.     

老年人跌倒检测算法的研究现状

近些年,老年人的健康问题越来越受到重视,跌倒作为影响老年人健康安全问题的主要原因之一,其研究热度一直居高不下,高质量的跌倒检测算法层出不穷.总结了跌倒检测的研究意义和现有的热门研究方法,分别从单一算法和混合算法的角度概述基于阈值、机器学习与深度学习三个方面的跌倒检测算法,介绍各算法的检测方式、判定方式、总体性能和各类单...     

老年人运动状态监测和跌倒报警系统

体育锻炼是促进老年人健康长寿的有效手段之一。为了对老年人的运动状态进行实时监测,掌握运动状态参数,并能够对老年人不慎意外踏空或者某种疾病突发导致的跌倒及时报警,设计一种能够实时监测老年人跌倒动作发生并发送定位及报警信息给远程接收端的便携式监测系统。系统采用腰部三轴加速度传感器实时采集人体运动姿态数据;使用嵌入式处理器和无线网络实现数据处理、无线传输和远程报警;通过三级阈值的人体跌倒检测算法,实现人体跌倒姿态变化的加速度特征提取,对人体运动状态进行分级,预测严重的跌倒行为。实验结果表明：该系统具有性能稳定、正确率高和轻巧方便等特点,非常适合老年人穿戴使用,可保障老年人运动安全,应用前景广阔。     

基于特征自动提取的跌倒检测算法

跌倒是导致老年人受伤甚至死亡的主要原因。准确及时的跌倒检测系统可以帮助跌倒者获得紧急救援。 目前基于传感器的跌倒检测方法主要利用人工设计提取的信号特征来区分跌倒和非跌倒运动,但人工提取的特征往往会限制算法的精确度,增大算法时延。为提高跌倒检测的精确度和实时性,本文提出了一种基于深度学习的跌倒检测算法。该算法可以自动提取数据特征,实现从原始数据到检测结果的端到端的处理。算法模型主要由两层级联的长短期记忆（Long Short-Term Memory, LSTM）循环神经网络组成,通过神经网络提取加速度计和陀螺仪数据内部的特征,并判断是否有跌倒状况发生。我们使用两个公开数据集MobiAct和SisFall对算法性能进行评估。 实验结果显示,算法在两个数据集都达到了较高的精确度（99.58%以上）和较低的时延（2.2毫秒以内）。     

基于MEMS三轴加速度计的跌倒检测电路的设计

随着社会老龄化进程的不断发展,老年人口所占比重也逐年增加,而老年人的生理特点造成了他们这一人群的特殊行为特征易跌倒.为了解决跌倒监测、报警求助和步态加速度数据等问题,本文在分析比较国内外跌倒检测及相关技术的基础上,考虑了系统的实用性等因素,设计了一个跌倒检测的实时监测系统,它采用MEMS三轴加速度传感器ADXL345进行加速度数据采集,中央处理器TMS320F2812进行数据分析,并设计报警器来完成监测系统的搭建.实验结果表明该系统在老人跌倒时能够监测并进行报警,为及时进行救援赢得了宝贵的时间.     

基于分层包围盒的连续碰撞检测加速算法

提出一种针对复杂结构物体之间的连续碰撞检测的算法.该算法首先按照一定的规则建立起树形分层包围盒,在碰撞检测的时候,可利用上次的检测结果,起到了加速的作用.     

基于碰撞检测强化的实时爆炸视图自动生成算法研究

爆炸视图在机械设计和装配实践中有着广泛的应用,可帮助人们直观地理解机械 结构和装配关系。为解决仿真中的干涉问题,提出一种基于碰撞检测强化的实时爆炸视图自动 生成算法。首先,构建各机械零件的方向包围盒,根据包围盒的大小和位置偏差决定零件的分 离次序和方向,构造爆炸分离模型。其次,基于真实世界物体互斥属性,对装配的零部件进行 实时碰撞检测,借助碰撞响应推动各部件进行进一步分离。该方法简单易实现,保证了零部件 之间的合理移动,同时避免穿透现象的发生。实验充分验证了算法可行性和通用性。     

基于智能视觉的人体跌倒检测仿真

针对传统人体跌倒检测方法准确度低,不能在人体疑似跌倒的第一时间及时检测的问题,提出基于智能视觉的人体跌倒检测方法。根据智能视觉分析技术解析人体跌倒行为,采用加速度传感器采集人体跌倒惯性特征数据并利用加速度传感器建立三轴加速坐标,对跌倒行为作出判断。在巨大的特征量集合中,运用K-L变换方法提取出准确的加速度峰值和倾角变化值,据此设置跌倒行为检测的约束条件,完成对跌倒行为的分类。采用PSO分类器优化人体跌倒检测的SVM参数,完成人体跌倒高精准度检测。实验结果表明,所提方法的检测准确度高于对比的3种文献方法,检测时间最短,能够及时检测目标个体跌倒情况,可广泛应用于现实生活中。     

基于多传感器融合的摔倒检测算法的研究

针对传统摔倒检测算法中误报和漏报率高的不足,提出一种基于多传感器融合的摔倒检测算法;该算法分别以人体的加速度和姿态角值为判定依据;首先,采用三轴加速度传感器和电子罗盘对上述两种数据进行采集,并通过无线模块发送至PC机;之后对采集数据进行分析和处理,进而根据阈值进行异常姿态检测;最终,综合加速度和姿态角的分析结果给出准确的检测结论;实验结果表明,该算法检测的准确率达99.2％、与传统检测算法相比具有更强的稳定性与可靠性.