排序方式: 共有41条查询结果,搜索用时 0 毫秒
1.
提出了一种结合触觉临场感和肌电仿生控制技术的遥控机械手控制方法.采集手臂皮肤表面的肌电信号(表面EMG),结合AR模型和贝叶斯分类方法判断出手部的运动模式,控制机械手完成相应的动作.触滑觉组合传感器以压电材料PVDF为敏感体,安装于遥控机械手的手指上.机械手抓握或触摸物体时产生触滑觉,触滑觉信号经处理后通过电刺激来刺激操控人员,实现触觉临场感;操控者可根据触觉临场感来掌握自己的手部动作.实验表明,所提方法能提高遥控机械手的仿生控制能力. 相似文献
2.
针对跌倒常常对老年人的健康构成严重危害的问题.本文设计了一种基于肌电信号的跌倒检测方法,首先提取腓肠肌和股外侧肌的sEMG的模糊熵特征作为特征向量,然后,针对日常活动动作类(Activities of Daily Life,ADL)的数目远多于跌倒类导致的数据集不平衡的问题,提出了加权核Fisher线性判别方法,采用相应的平衡参数来调节样本核矩阵,最终,将跌倒与行走、蹲下和坐下辨识出来.实验结果表明,该方法跌倒平均识别率96.7%,ADL平均识别率99.4%,识别结果优于其它分类方法. 相似文献
3.
提出了一种基于多元经验模态分解(Multivariate Empirical Mode Decomposition,MEMD)的多元多尺度熵(Multivarite Multiscale Entropy,MMSE)特征提取方法分析多模态信号,进行人体静态平衡能力评估.首先,采集人体多模态信号,采用多元经验模态分解对多通道信号进行自适应分解,得到一系列多元固有模态函数(Intrinsic Mode Functions,IMFs),依据T检验和相关系数从中选取最佳的IMF分量进行信号重构;然后,采用多元多尺度熵算法提取特征,用K-均值与支持向量机对比本文特征提取方法与两种传统特征提取方法在处理人体静态平衡能力评估问题时分类效果,并分析两种分类器的人体静态平衡能力评估效果;最后,得出本文最优的特征为基于多元经验模态分解的多元多尺度熵特征,最优的分类方法为支持向量机. 相似文献
4.
针对足球机器人视觉系统的实时性要求,研究了基于颜色的快速图像分割方法及综合运用动态窗口技术、移动网格技术、交叉线法确定物体质心技术在动态环境下对多个目标进行快速识别及定位。实验结果验证了算法的有效性。 相似文献
5.
6.
7.
跌倒对老年人的健康构成严重危害,设计了一种基于肌电信号的跌倒识别方法,可用于跌倒检测报警。该方法首先对表面肌电动作信号进行小波包分解,再依据信号特征选取信号的低频分量并重构,计算其排列组合熵,最后以4路肌电信号对应的排列组合熵组成的特征向量输入SVM进行模式识别并采用粒子群算法对SVM中惩罚参数c和核函数参数g进行优化,对8种动作进行识别实验,跌倒识别率88%,特异度98.3%,平均识别率97.0%,优于网格法和遗传算法支持向量机(GA-SVM)的参数优化,具有较强的鲁棒性和抗干扰能力。 相似文献
8.
针对危险驾驶行为引起的交通安全事故频发的现状,提出一种基于MobileNetV3和ST-SRU的危险驾驶姿态识别系统.首先,修改MobileNetV3的网络结构使其适用于人体姿态估计任务,输出关节点的热力图和偏移量图,用来估计J个关节点的二维坐标位置;其次,定义ST-SRU骨架动作识别算法,利用动作的骨架序列数据对动作进行分类.实验结果表明:MobileNetV3姿态估计算法在自建的AI Challenger上肢姿态数据集上测得PCP值(percentage correct parts)达到95.6%,测试1 000次用时仅为5.03 s;利用自建的危险驾驶行为数据集将训练好的姿态估计和动作识别模型移植到嵌入式平台,实现了实时的危险驾驶姿态识别系统. 相似文献
9.
10.