【摘 要】
:
无线感知领域的发展,离不开基础无线设备的普及和很多科研工作者在该领域所做的努力。其中,利用Wi-Fi信号进行动作识别是无线感知领域的一个重要研究方向。目前的动作质量评估系统通常采用传感器技术来实现,然而,由于传感器设备的传感范围有限,部署和维护成本较高,无法满足不同应用场景的需求。基于Wi-Fi的动作识别和动作质量评估具有成本低、普适性好等优势,可以弥补传感器等设备的不足。本文的主要研究内容是基于
论文部分内容阅读
无线感知领域的发展,离不开基础无线设备的普及和很多科研工作者在该领域所做的努力。其中,利用Wi-Fi信号进行动作识别是无线感知领域的一个重要研究方向。目前的动作质量评估系统通常采用传感器技术来实现,然而,由于传感器设备的传感范围有限,部署和维护成本较高,无法满足不同应用场景的需求。基于Wi-Fi的动作识别和动作质量评估具有成本低、普适性好等优势,可以弥补传感器等设备的不足。本文的主要研究内容是基于Wi-Fi的动作识别和动作质量评估,并经过大量的实验验证了方案的可行性和稳定性。本文的主要贡献点如下:对动作类型进行识别。在动作识别之前,由于收集到的是连续动作的信号,需要将连续动作信号进行分割。经过大量的实验数据的研究发现,当每个单一的动作结束的时会引起信号功率的急剧下降。我们通过这一发现来识别每个单一动作的结束位置。具体地,我们首先使用快速傅里叶变换(Fast Fourier Transform,FFT)对收集到的信号进行时频处理,再对处理过的信号进行能量分布的计算,从而得到动作的结束位置。在识别到结束位置后,通过滑动窗口的设置,发现动作的开始位置。通过上述的方法,便可以实现连续动作向单一动作的转化。接下来,利用Gabor滤波器自动有效地提取每个单一动作的特征来刻画不同的动作;最后,使用随机森林模型对动作进行分类识别。对动作质量进行评估。由于本文中的动作是一项涉及到身体不同部位以不同速度、不同频率运动的复杂运动,很难提取出可靠的特征来评价体操动作的规范性。为了解决这一难题,我们不仅提取了信号的时域(振幅和相位)特征,而且还提取了信号的频域特征。针对抓取到的每个特征的集合,采用动态时间归整(Dynamic Time Warping,DTW)技术来量化待评估动作特征与标准动作之间的距离。量化的距离随后被输入到模糊推理系统(Fuzzy Inference System,FIS)中,输出最终动作质量的评估的结果。在典型室内环境下的实验结果表明,本系统的动作识别的平均准确率为95.8%,动作质量评估的准确率为89.5%。
其他文献
脑部肿瘤是一种颅内局灶性症状疾病,脑肿瘤分类更是计算机视觉在医学领域中的一项应用研究。当前,基于深度学习的神经网络模型对脑部核磁共振图像进行图像分析并区分患者的肿瘤类别,在临床医学领域具有良好的应用前景。然而不同于自然图像,核磁共振图像有背景复杂和像素值低的特殊性,使得在脑肿瘤分类任务中肿瘤边界模糊和肿瘤标签有效性过低,肿瘤大小和位置不清晰,导致神经网络模型不能精确地对目标区域进行特征提取。针对上
在真实社会中,许多数据可以表现成网络的形式。例如:社交网络中人与人之间的关系可以表现为网络的形式,电商中用户和商品的行为关系可以表现为商品网络的形式。随着现代互联网的发展,海量的数据在互联网中产生,通过这些数据的内在联系将他们构建成网络数据可以充分的挖掘出其中包含的知识。在工业场景这些网络数据的具体应用场景包括:风控场景下的用户分类、电商场景中的用户对商品的购买点击的行为预测等。深度生成模型是表征
图像质量评价是指通过对图像进行相关特性分析,量化视觉失真程度,得到其质量分数的过程。无参考图像质量评价旨在不提供原始图像信息的情况下,对失真图像进行质量评价,其更接近于实际应用并且更具挑战性。通过无参考图像质量评价,可以更好地监控图像质量并进一步引导各种图像处理系统的优化。自然图像和屏幕内容图像是图像质量评价领域的重点研究对象,故本文主要围绕这两类图像来设计合适的无参考质量评估算法。由于目前基于卷
车载网络为交通管理提供了收集道路相关的信息的平台。通过车辆的信誉值来计算车辆报告的信息的可信度是解决车辆报告错误信息问题有效方法。传统的中心式信誉管理系统存在单点故障,不能适用于大量车辆场景等问题,分布式信誉管理系统存在信息不一致,分布式节点容易被攻击等缺点。基于区块链的信誉管理系统在解决上述问题的同时带来了信息更新不及时,计算资源消耗较大,存储压力增大等问题。因此如何解决这些问题是一个巨大的挑战
本文详细分析了电气控制线路的常见故障,并结合实际经验总结出了几种有效的故障诊断及维修策略,以供参考。
随着数据收集和特征提取技术的发展,数据可以由不同类型的特征描述。例如,一个人可以由人脸、指纹以及签名等不同类型的信息表示;一张图像可以由纹理、颜色以及形状等不同类型的特征表示。来源不同的特征之间既有共享信息,也有互补信息。因此,如何有效地整合多种来源的信息是多视角学习研究中的重点。然而,传统机器学习任务很大程度依赖于标签数据,但标签的获取往往费时费力。因此,如何利用无标签数据辅助完成机器学习任务同
共同关注目标估计是计算机视觉领域中近年来从视频显著性检测、人物视线交互等研究领域演变而来的课题,旨在根据场景内目标的注意力信息来估计场景内的共同关注目标。已有的共同关注目标估计方法一般将实验场景设定在室内等狭窄的空间,在算法的实际应用上存在明显的局限性。本文针对该问题,提出基于多视角相机的拍摄框架,利用多个水平视角的相机拍摄场景的局部信息来提取场景内行人的注意力信息,通过引入俯瞰视角的相机拍摄场景
随着成像设备的不断更新和深度学习的不断发展,深度学习方法近年来在医学图像处理领域取得重大进展。其中,医学图像修复任务可以在图像缺失区域生成视觉逼真的修复内容,因此广泛应用于图像去噪、手术评估和愈后评估等领域。与自然图像不同的是,医学图像的背景复杂且像素点间差异极小,因此如何充分挖掘并有效使用图像中隐含的特征信息进行图像修复是一个具有挑战性的问题。此外,医学图像实例分割是计算机辅助诊断的关键步骤之一
上下文感知推荐算法作为推荐系统研究领域最为活跃的研究方向之一,被越来越多地应用于实际生活中,对提高人们生活质量,增加人们的幸福感做出了巨大的贡献。虽然面临着许多的挑战,有很多棘手的问题等待被解决,上下文感知推荐算法距离大规模的商业化应用还有很大的距离,但良好的推荐效果让其依然具有重要的研究意义和实用价值。目前主流的上下文感知推荐算法基于因子分解机,该系列算法能够结合深度学习模型获取高阶特征交互信息
软件验证工具可以有效地验证软件的安全性,但是大多数验证工具实现的方法是不同的,能发现的安全问题也是不同的。为了能够在统一标准下去比较不同的验证工具的差异性,本文给出了基于程序结构的软件验证工具差异性比较方法。本文从程序代码结构和程序变异两个方面对软件验证工具进行差异性分析。一方面基于程序代码结构的差异性分析。使用七种典型的程序代码结构,对主流验证工具进行了分析,对比预期结果与实际验证结果的差异、程