无人机平台的人体呼吸率检测

使用无人机载相机进行呼吸率检测是一种新兴的伤情评估手段,然而现有的视频呼吸率检测算法只适用于固定相机。在基于空间相位的呼吸信号提取技术基础上,提出一种基于无人机载视频的人体呼吸率非接触式测量方法,使用复可控金字塔提取出每一帧图像的空间相位,按时间顺序排列得到相位序列;接着采用经验模态分解从相位序列中拆解出多个模态分量,并设计频率变异性分析模型从中选择出具有稳定频率的分量,也即目标呼吸信号;利用峰值检测方法检测出人体呼吸率。实验结果表明,该方法在无人机晃动干扰下的呼吸率检测平均准确率能够达到98%以上,优于现有检测方法。     

床垫式睡眠监测系统及信号处理方法

为解决非接触式睡眠监测系统中混合信号的可靠获取以及生理特征参数的有效分离和识别等问题,采用压电薄膜传感器获取人体睡眠状态下压力信号,并采用电荷放大电路和信号调理电路进行实时采集;信号处理过程中先利用经验小波变换方法分离心冲击(BCG)和呼吸信号等单一模态分量,然后使用K-means算法对分离出的心冲击信号中不同类型的波峰聚类,进而通过平均心跳周期计算心率.实验结果表明,所设计的监测系统具有较强的自适应性,能有效提取呼吸和心跳信号.     

静息态下基于变分模态分解的生命体征检测

传统的无线生命体征监测方法在心跳和呼吸信号的分离方面容易存在谐波残留现象,针对这一情况,提出了一种基于变分模态分解（VMD）的生命信号检测方法。该方法使用毫米波段调频连续波（FMCW）雷达进行生命体征信号获取,根据心跳及呼吸的频率特征,使用VMD算法将主要信号分解为不同模态,保证了各模态之间信号频率范围互不重叠,分离出较为完整且无谐波残留的呼吸及心跳信号。实验结果表明,所提算法能够有效提取出目标的呼吸及心跳信号,且相比传统的模态分解算法具有更高的鲁棒性和稳定性,具有良好的信噪比（SNR）,提高了测量精度和距离。     

基于VMD的无人机视频呼吸率检测

无人机晃动是视觉传感器提取生命体征造成误差的重要原因.针对该问题,本文提出一种基于变分模态分解(VMD)的抗无人机晃动呼吸率检测方法.首先,采用复可控金字塔提取呼吸率的初始特征,其次,设计一种基于变分模态分解的呼吸信号提取方法,获得候选的呼吸模态信号,最后,选择方差最小的本征模态实现呼吸率检测.本文实验结果表明,在无人机自身正常晃动情况下,本文方法能够有效提取本征呼吸信号.本文方法能在不同受测距离情况下实现不同人体姿态下的呼吸率检测,其检测精度优于现有方法.     

改进相位一致的岩心图像裂缝提取方法

针对传统相位一致算法提取裂缝连续性差的缺点,提出改进的相位一致算法.首先对岩心图像进行预提取,增大目标和背景区域的对比度,并标记疑似目标像素点;然后,利用双圆投影断点检测算子判定并重建岩心图像裂缝中的断点;最后利用相位一致算法延伸裂缝走向的特性,再次对岩心图像中的裂缝目标进行提取,并进行图像去噪处理.实验结果表明,改进后的相位一致算法,能够保留提取效果不受光照亮度影响、对目标区域敏感度高的传统相位一致算法的优点,并且有效改善所提取裂缝的连续性.     

基于模态函数特征谱的海洋小目标检测

经验模态分解算法在海杂波抑制和目标检测方面具有应用潜力,但如何实现模态函数自动筛选和判别是算法的关键问题。通过分析模态函数谐波模型,提取其信号特征谱,选取检测量实现目标自动检测。首先,对雷达回波进行复数经验模态分解;然后对得到的各个内模分量提取特征谱,并根据特征谱分布情况得到散布特征;最后基于散布特征在各个内模函数间的分布差异实现目标检测。实测微波多普勒雷达数据处理结果表明,目标检测结果和实际情况一致,且在一定的虚警率约束下检测概率较传统检测算法有一定提高,为雷达海洋目标检测提供了新方案。     

多种姿态下的人体呼吸率视觉检测

呼吸率是衡量人体健康状况的重要指标之一.针对现有呼吸率检测方法存在人体受测姿态单一、准确率低和鲁棒性差的问题,提出适用于多种姿态下的人体呼吸率视觉检测方法.该方法使用普通摄像机拍摄人体呼吸视频.首先,利用图像金字塔光流法处理视频连续图像得到运动前景区域,将其中最大连通区域初步认定为胸腹呼吸区域.然后,将视频每一帧图像的呼吸区域输入复可控金字塔进行多尺度多方向空间分解,得到多个尺度多个方向的幅度谱和相位谱.在此基础上将每一帧的多个尺度多个方向相位谱用幅度谱加权后进行平均得到相位-时间信号.最后,对提取的信号进行判断,若信号主频在呼吸信号频带范围内且能量占比高则对该信号通过峰值检测得到呼吸率,否则重新选取视频连续图像进行后续检测.实验结果表明,本文方法适用于人体多种姿态下的呼吸率检测,在准确率和鲁棒性上优于现有方法.     

基于SSA-VMD和熵的特征值提取方法

针对滚动轴承早期故障微弱难以识别、无法有效提取故障信息特征的问题,提出一种基于SSA优化的结合了变分模态分解与熵的特征值提取方法。方法利用麻雀搜寻算法对变分模态分解算法中的参数进行寻优,将包络熵选取为目标函数;根据峭度筛选后续需要的IMF分量,计算筛选后的IMF分量的样本熵与排列熵共同组成特征向量;采用WOA-SVM进行诊断识别,以验证该方法的有效性。经实验分析与对比,本方法能够有效提取信号的特征值,显著提高了分类识别的准确率。     

自适应去噪的非接触式生理参数检测方法

成像式光电容积描记法（imaging Photoplethysmography,iPPG）是一种利用视频信号实现非接触式生理参数检测的方法,但该方法的性能易受外界条件影响,尤其对环境光变化及受试者头部运动等噪声敏感。为了消除噪声影响,根据噪声信号和iPPG信号的时频特性,提出了一种基于变分模态分解（Variational Mode Decomposition,VMD）的相关能量熵阈值自适应去噪与方差表征序列（Variance Characterization Series,VCS）的抗干扰非接触式生理参数信号获取方法。利用分解算法将由人脸视频中获取到的血容量脉冲信号分解为频率由高频到低频且具有一定带宽的模态分量。分别计算各个模态分量子区间的噪声能量熵从而获得该分量的阈值,再经阈值处理得到重构的去噪信号。利用VCS方法检测重构后的信号的质量从而自适应地选择信号分析方法,实现心率和呼吸率的生理参数的精确估计。在公开数据集和自采数据集上进行验证实验,实验结果表明,提出的方法对环境光与头部运动干扰有着较强的稳健性,相比目前已有的方法能够得到更精确的心率与呼吸率估计值。     

基于DVMD降噪的旋转机械故障诊断

针对振动信号噪声难以剔除而造成故障诊断精度低的问题, 提出了一种基于深度变分模态分解(DVMD)的 旋转机械故障诊断方法. 首先, 利用麻雀算法(SSA)对变分模态分解(VMD)算法的参数进行优化. 然后, 通过SSA– VMD对信号进行自适应深度分解得到模态分量, 将每层深度的分量与原始信号作皮尔逊相关系数分析, 再对分量 进行奇异值分解(SVD)或者直接剔除, 将处理后分量重构后, 实现振动信号的深度降噪. 最后, 提取降噪信号的一维 多尺度排列熵特征和二维时频特征, 将特征依次放入轻量级梯度提升机(LightGBM)中进行训练, 实现故障诊断. 设 计方法在风力涡轮传动系统的齿轮箱故障信号上进行验证, 不仅能够剔除信号的大量噪声, 并且提高了故障诊断精 度, 具有良好的工程应用前景.     

基于目标和关键点检测的单目托盘定位

托盘的识别与定位是无人叉车中关键的问题之一.当前托盘定位多采用目标检测的方法,然而目标检测只能识别托盘在图像中的位置,无法得到托盘的空间信息.针对此问题,本文提出了一种基于目标和关键点检测的单目托盘定位方法,用于检测托盘并计算托盘当前的倾角和距离.首先对托盘进行目标检测,然后将检测的结果进行裁剪后输入到关键点检测网络中.通过对托盘关键点的检测和托盘固有的几何外形特征,设计边缘自适应调整,得到高精度的托盘轮廓信息.根据几何约束提出了基于轮廓点的托盘倾角与距离计算方法,并采用RANSAC算法提升了计算结果的精度和稳定性,解决了托盘的定位问题.实验表明,本文提出的算法在倾角计算上平均误差在5°以内,水平距离计算上平均误差在110 mm以内,能较好地定位托盘,具有较高的实用价值.     

一种仿生原理的矢量水听器结构设计与数值研究

受奥米亚棕蝇听觉系统特有结构的启发,提出一种能够测向的微机电(MEMS)矢量水听器设计思路,并进行了数值仿真研究.这种思路是利用MEMS表面牺牲层工艺设计一种微型差分电容检测水听器,可实现低频声源测向定位.利用COMSOL多物理场耦合仿真软件对水听器的模态和耦合放大效果进行了模拟仿真,结果显示在0°~180°范围,在谐振频率333Hz处,水听器差分电容敏感单元能够对声信号幅值差和相位差实现有效放大,显示出巨大的测向潜力.     

一种环状编码标记点的设计及解码算法

针对近景摄影测量中对编码标志点的精确定位和准确识别的要求,提出一种环状编码标记点的设计和识别算法。在传统环状编码标记点的基础上添加3个定位符,用于确定标志点的精确位置和增加标志点的数量。解码时先检测定位符坐标及其在标志点中的位置,然后对编码标志点进行透视变换以实现图像校正的目的,最后用提出的基于圆环扫描的方法进行解码。实验结果表明,该算法对任意旋转角度下的编码标志点均能有较好的检测识别效果;当摄像机与标记平面的夹角小于65°时,其识别准确率可达99.3%;在复杂背景情况下的平均识别准确率为97.4%,误识别率为1.25%,识别平均速率为2.15 s/幅。     

Ergonomic assessment based on monocular RGB camera in elderly care by a new multi-person 3D pose estimation technique (ROMP)

Nursing staff members are at high risk of work-related musculoskeletal disorders (WMSDs), which not only threaten their health but also impact the quality of elderly care. Ergonomic posture risk assessment (EPRA) is usually employed to identify potential WMSD risks such as extreme posture and repetitive movements. A monocular RGB camera has been used for the EPRA in recent years due to its short time requirements and low cost. However, most work scenarios do not involve multi-person situations.Therefore, based on the latest 3D pose estimation algorithm—Monocular, One-stage Regression of Multiple 3D People (ROMP)—this study proposes a method that uses one monocular RGB camera to conduct the EPRA in multi-person and occluded scenarios. The accuracy of our method was calculated through 12 care tasks involving multi-person and occlusion, using the Noitom motion capture (MoCap) system.The results show that our method performed well, with an average accuracy of 83.8% and 90.7%, respectively, using two EPRA scoring tools, RULA and OWAS. The mean absolute error (MAE) of each joint angle was 9.4°. Thus, ROMP seems to be a potential method for conducting the EPRA in nursing workspaces with unsatisfactory conditions using a single monocular RGB camera.     

协同业务过程与需求的建模及一致性验证

自底向上建模方法中的业务过程由不同组织开发,无法在设计阶段就预见其潜在的所有交互可能.因此,在实际协作中,建立协同业务过程可能与参与组织期望的系统功能和特性不一致.为此,提出一种协同业务过程与需求的建模及一致性验证方法.首先,引入并发操作符,提供一种通过组合参与组织的业务过程构建协同业务过程方法;然后,扩展目标模型,提出需求依赖图来建模参与组织的需求;最后,基于模型检测技术提出协同业务过程与需求一致性检测方法.重点解决了将协同业务过程转换为表达能力相同FSP进程规约和参与组织需求转换为LTL公式这两个问题.通过对典型的协同业务过程集阐述提出方法的有效性,并对方法分析效率进行评价,结果表明：相对已有工作,提出方法能够更加有效地用于协同业务过程与需求的一致性分析.     

基于端到端的多任务商标分卡模型

目前商标分卡处理方法是先进行文本检测再进行区域分类, 最后对不同的区域进行拆分组合形成商标分卡. 这种分步式的处理耗时长, 并且因为误差的叠加会导致最终结果准确率下降. 针对这一问题, 本文提出了多任务的网络模型TextCls, 通过设计多任务学习模型来提升商标分卡的检测和分类模块的推理速度和精确率. 该模型包含一个特征提取网络, 以及文本检测和区域分类两个任务分支. 其中, 文本检测分支采用分割网络学习像素分类图, 然后使用像素聚合获得文本框, 像素分类图主要是学习文本像素和背景像素的信息; 区域分类分支对区域特征细分为中文、英文和图形, 着重学习不同类型区域的特征. 两个分支通过共享特征提取网络, 像素信息和区域特征相互促进学习, 最终两个任务的精确率得以提升. 为了弥补商标图像的文本检测数据集的缺失以及验证TextCls的有效性, 本文还收集并标注了一个由2000张商标图像构成的文本检测数据集trademark_text (https://github.com/kongbailongtian/trademark_text), 结果表明: 与最佳的文本检测算法相比, 本文的文本检测分支将精确率由94.44%提升至95.16%, 调和平均值F1 score达92.12%; 区域分类分支的F1 score也由97.09%提升至98.18%.     

基于IR-UWB雷达的非接触式呼吸检测方法

为消除脉冲超宽带（IR-UWB）雷达系统采集的人体呼吸回波信息中的干扰信号,并准确估计出人体呼吸频率和到达时间（TOA）范围,提出一种基于IR-UWB雷达的非接触式呼吸检测方法。对IR-UWB雷达回波信号进行线性趋势消除与滤波得到平滑的回波信号,在每个慢时间域上对回波信号使用傅里叶变换估计出人体呼吸频率,并设计基于回波信号均方根和超值峰度的EK-RMS算法确定TOA范围,同时将人体呼吸频率与TOA范围进行信息比对,最终得到受试目标的呼吸频率。实验结果表明,与Phase-Based、FFT和WT-Window算法相比,EK-RMS算法在低信噪比条件下具有更高的呼吸频率检测准确率和更强的鲁棒性,且对干扰信号有明显的抑制或消除作用。     

采用自适应信号恢复算法的非接触式心率检测

目的 心率是反映人体心血管状况和心理状态的重要生理参数。最近的研究表明,光电容积成像技术可以在不接触人体的情况下,利用消费级的摄像机捕获面部表皮颜色的变化进而估计心率。然而,在实际环境中,面部运动带来的干扰会导致心率检测的准确性下降。近年来,国内外学者已经提出了一些方法来去除运动噪声,但是效果均不理想。为了解决上述问题,提出一种可以抗面部运动干扰的新方法。方法 首先检测和跟踪受试者的脸部。然后将脸部区域分块,并提取各块的色度特征建立原始血液容积脉冲矩阵,利用自适应信号恢复算法从原始血液容积脉冲矩阵中分离出低秩矩阵并构建期望血液容积脉冲信号。最后通过功率谱密度估计心率。结果 在环境光作为光源的条件下,利用网络摄像头采集30名受试者的人脸视频进行实验分析。结果显示,提出的方法测得的心率与参考值具有很强的相关性：在静态场景中皮尔森相关系数r=0.990 2,在动态场景中r=0.960 5。并且与最新方法相比,动态场景中的误差率降低了53.90%,相关性提高了7.46%。此外,在10 min的心率检测实验中,方法的测量值与参考值保持着良好的一致性。结论 本文方法优于现有的非接触式心率检测技术,能有效地消除面部运动带来的干扰,长期稳定地检测心率。