随着运动体捕捉对嵌入式系统要求的提高,传统方法对分辨率、采集速度难以兼顾.把运动物捕捉分成对分辨率和速度侧重不同的运动检测和目标提取两个部分,利用有源像素结构APS-CMOS图像传感器可随机接入图像缓存的硬件特性,在数字信号处理(...随着运动体捕捉对嵌入式系统要求的提高,传统方法对分辨率、采集速度难以兼顾.把运动物捕捉分成对分辨率和速度侧重不同的运动检测和目标提取两个部分,利用有源像素结构APS-CMOS图像传感器可随机接入图像缓存的硬件特性,在数字信号处理(digital signal processing,DSP)平台上实现两个阶段特点各异的工作模式切换.这样就使得整个系统的采集速度和目标分辨率同时得到兼顾.而且,此方法使用一般器件就可实现传统方法需要高性能器件才能达到的技术指标.展开更多
人体运动过程中,肢体的运动是连续的,而对应的运动捕捉数据是离散的.为了更好地分析人体日常运动行为的连续性与周期性,本文提出了一种基于函数型数据分析(Functional data analysis,FDA)的人体动态行为识别方法.首先,利用函数型数据分...人体运动过程中,肢体的运动是连续的,而对应的运动捕捉数据是离散的.为了更好地分析人体日常运动行为的连续性与周期性,本文提出了一种基于函数型数据分析(Functional data analysis,FDA)的人体动态行为识别方法.首先,利用函数型数据分析方法,将可穿戴式运动捕捉系统采集的人体周期行为数据函数化,通过函数准确地定义数据的连续性与周期性;然后,根据导函数信息确定一个运动周期的起始点,并近似地提取出一个运动周期的数据序列;最后,根据不同行为一个周期内的曲线特征差异,利用支持向量机对动态行为进行分类识别.实验结果表明,本文的算法既能够较好地描述人体动态行为的连续性与周期性,又使得运动数据在标定的统一起始点处对齐,且在WARD数据集与自采集数据集上均取得了较好的识别率,分别达到97.5%与98.75%.展开更多
文摘随着运动体捕捉对嵌入式系统要求的提高,传统方法对分辨率、采集速度难以兼顾.把运动物捕捉分成对分辨率和速度侧重不同的运动检测和目标提取两个部分,利用有源像素结构APS-CMOS图像传感器可随机接入图像缓存的硬件特性,在数字信号处理(digital signal processing,DSP)平台上实现两个阶段特点各异的工作模式切换.这样就使得整个系统的采集速度和目标分辨率同时得到兼顾.而且,此方法使用一般器件就可实现传统方法需要高性能器件才能达到的技术指标.
文摘人体运动过程中,肢体的运动是连续的,而对应的运动捕捉数据是离散的.为了更好地分析人体日常运动行为的连续性与周期性,本文提出了一种基于函数型数据分析(Functional data analysis,FDA)的人体动态行为识别方法.首先,利用函数型数据分析方法,将可穿戴式运动捕捉系统采集的人体周期行为数据函数化,通过函数准确地定义数据的连续性与周期性;然后,根据导函数信息确定一个运动周期的起始点,并近似地提取出一个运动周期的数据序列;最后,根据不同行为一个周期内的曲线特征差异,利用支持向量机对动态行为进行分类识别.实验结果表明,本文的算法既能够较好地描述人体动态行为的连续性与周期性,又使得运动数据在标定的统一起始点处对齐,且在WARD数据集与自采集数据集上均取得了较好的识别率,分别达到97.5%与98.75%.
