|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于多传感器相关性的汽车衡智能容错方法显示文摘现有汽车衡不具备容错功能,为此提出了一种汽车衡智能容错方法。根据多路称重传感器之间的相关性,利用径向基函数神经网络建立称重传感器预估网络和自适应选择网络,完成称重传感器故障检测、失效传感器正常输出预估和汽车衡工作模式的自动切换,并将预估信号与其它正常传感器信号组合,通过称重结果融合网络完成任一传感器失效状态下汽车衡的正常称重。试验与现场检定表明,这种智能容错方法实现了汽车衡任一传感器失效状态下的正常称重,其各项指标均优于4级秤的要求,避免了称重系统失效。 | 林海军 滕召胜 迟海 吴阳平 唐立军 | 2009 | 仪器仪表学报2009，30，11： | 7 |
| 2 | 基于自适应加权融合的汽车衡故障传感器预估显示文摘传统汽车衡任意一路称重传感器发生故障都将导致称重系统失效。提出了一种基于自适应加权融合的汽车衡故障传感器预估方法:根据多路称重传感器输出相关性和相邻传感器输出比值的相关性,建立基于径向基函数神经网络(RBFNN)的故障传感器输出预估网络和传感器输出比值的预估网络,得到两组冗余估计信号,采用自适应加权融合方法完成冗余信号融合,获得故障传感器输出估计值。仿真实验与现场测试表明,采用该方法的故障传感器称重误差小于任何单个预估网络误差和算术平均值融合误差,任一传感器发生故障时的汽车衡整体称重误差≤0.5%,避免了称重系统失效。 | 林海军 滕召胜 刘让周 郑丹 吴阳平 | 2010 | 仪器仪表学报2010，31，7： | 4 |
| 3 | 基于贝叶斯分割和灰预测的人运动跟踪显示文摘在人运动的视觉分析中,根据差分图像的直方图分布,将目标区域和背景区域作为2个类别进行判别,提出基于最小错误率的贝叶斯决策的动态图像分割方法,获得了良好的分割效果。提出了基于改进的灰预测模型GM(1,1)的人运动跟踪方法,GM(1,1)的初始信息由c均值聚类结果提供,同时GM(1,1)的预测结果作为下一帧图像c均值的初始聚类中心,提高了系统的实时性。与α-β-γ滤波的跟踪误差对比实验证明:该方法能够更好地挖掘人的当前运动规律,能够稳定地保持较小的跟踪误差,从而更好地反映人运动趋势,快速准确地预测人的运动位置。 | 周志宇 张建新 刘迎春 | 2008 | 仪器仪表学报2008，29，5： | 3 |
| 4 | 人体三维姿态传感检测方法研究显示文摘目的 :研究人体三维姿态传感检测方法,为医疗、运动、艺术等行业人体行为分析、运动识别等应用需求提供监控技术手段。方法:建立人体三维空间坐标系,选择相邻关节为肢体向量的起点和终点,将肢体分解为18个关联的肢体向量;采用三轴磁力传感器、三轴加速度传感器组合作为测量传感器,测量肢体向量的方向:计算反映肢体向量方向的传感器姿态角,得到18个肢体向量的方向参数;通过直尺测量肢体向量的大小。定义人体三维空间,计算各肢体向量在人体三维空间坐标平面的投影,得到所有与肢体向量相关的关节在人体三维空间中的坐标,确定人体的三维姿态。结果:通过在手臂模型上安装肢体向量方向传感器,证明人体三维姿态传感检测算法可以实现人体三维姿态的检测和测量。结论:人体三维姿态传感检测算法方法正确,可在医疗诊断、运动数据采集以及动漫动画等领域得到应用。 | 莫思特 刘天琪 何凌 | 2018 | 医疗卫生装备2018，39，7： | 2 |
| 5 | 基于核函数SVM的穿戴式姿态识别系统显示文摘设计一种基于核函数支持向量机(SVM)的穿戴式姿态识别系统。采集嵌入用户服装中的倾角传感器的数据,提取相应的特征参数,利用2种分类算法对样本进行姿态分类评估。测试实验结果表明,核函数SVM算法对日常姿态的分类效果较好,姿态识别系统对用户日常的多种姿态识别率较高。 | 胡一帆 林欣 丁永生 吴怡之 | 2010 | 计算机工程2010，36，10： | 2 |
| 6 | 基于矢状面和神经网络的三维人体骨架提取显示文摘不同姿态的人体模型易对骨架提取算法产生干扰。为此,提出一种新的骨架提取算法。该算法通过将人体模型矢状面深度信息和改进Hopfield神经网络相结合的方式,引入一种网络输入输出函数,对传统的人体骨架提取算法进行改进,使网络收敛速度明显加快。通过特征点的深度信息决定点对差异的方式,使网络成功地避免局部极小点,同时减少网络的运行时间。实验结果表明,该算法在定位骨架特征点处的误差明显小于传统算法,且缩短了算法的运行时间。该算法对人体骨架提取的效果更好。 | 黄新 郝矿荣 丁永生 | 2012 | 计算机工程2012，38，4： | 1 |
| 7 | 基于贝叶斯决策的运动目标检测方法显示文摘传统混合高斯背景建模存在难以解决背景复杂以及阴影等因素影响视频运动目标检测效果的问题,为此提出了一种基于贝叶斯决策的运动目标检测方法。该方法利用帧间差分进行像素变化检测,将像素粗分为变化像素和非变化像素;对于变化像素中的运动点和静止点,通过统计确立有效的数据结构,其中显著颜色分布统计量用来描述静止点,而显著颜色同现统计量描述运动点;从数据结构中提取颜色特征矢量,将特征矢量中的静止点和运动点按照贝叶斯决策规则进一步分类为背景点、前景点和颜色相似点。对颜色相似点进行局部加权处理以达到正确检测的目的;通过融合静止点集、运动点集和加权后的颜色相似点集结果提取出前景运动目标。仿真实验表明,该方法能够在不同复杂背景下较准确地检测出视频中的运动目标,相比传统算法具有较强的鲁棒性。 | 王小鹏 金卫东 赵国辉 董利芳 | 2011 | 计算机工程与应用2011，47，20： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员