【摘 要】
：
手势识别是人机交互的重要手段.为了精确识别手势并摒除光照等环境干扰,同时减除由于手部高维运动造成的关键点剧烈抖动的问题,提出一种基于基于蒙版区域的卷积神经网络(Mask Region-based convolutional neural network,Mask R-CNN)与多项式平滑算法(Savitzky-Golay,SG)的手势关键点提取方法.该方法首先对输入的红绿蓝(RGB)三通道图像进行特征提取与区域分割,获得手部的实例分割与掩码.然后利用ROIAling及功能性网络进行目标匹配,标记出22个关
【机 构】
：
北京工业大学 人工智能与自动化学院 北京 100124;北京信息科技大学 高端装备智能感知与控制北京市国际科技合作基地 北京 100192;北京信息科技大学 高端装备智能感知与控制北京市国际科技合作基
论文部分内容阅读
手势识别是人机交互的重要手段.为了精确识别手势并摒除光照等环境干扰,同时减除由于手部高维运动造成的关键点剧烈抖动的问题,提出一种基于基于蒙版区域的卷积神经网络(Mask Region-based convolutional neural network,Mask R-CNN)与多项式平滑算法(Savitzky-Golay,SG)的手势关键点提取方法.该方法首先对输入的红绿蓝(RGB)三通道图像进行特征提取与区域分割,获得手部的实例分割与掩码.然后利用ROIAling及功能性网络进行目标匹配,标记出22个关键点(21个骨骼点+1个背景点).将标记后结果送入SG滤波器进行数据平滑,并进行骨骼点的重新标定.从而得到稳定的手势提取特征.对模型进行对比实验,结果表明,该方法能够最大程度摒除环境干扰,并精准提取关键点.与传统基于轮廓分割的手势关键点提取相比,模型的鲁棒性大大提高,识别精度达到93.48％.
其他文献
基于GNSS/INS的导航状态估计受状态可观测度影响较大,为提高陆地载体航向角的估计精度,提出了一种改进鲁棒容积卡尔曼滤波(RCKF)方法.首先采用免重采样采样点更新框架实现容积点更新与高斯矩信息的解耦,提高采样点实例化信息在迭代滤波中的传播效率.其次基于状态可观测度分析,将高斯过程(GP)引人到系统模型矩估计积分不确定性的标定中,改善移动载体直线行驶条件下航向的估计精度.仿真实验表明,所提GP-RCKF算法能在状态可观测度较弱时显著改善航向角估计精度,航向角误差较RCKF改善28.9％.
基于分子筛床变压吸附原理的机载氧气浓缩器是飞机生命保障系统的核心部件,可以为飞行员在飞行过程中提供氧气.对机载氧气浓缩器进行退化分析,可以实现故障预警,对机载氧气浓缩器的视情维修和构建飞机健康管理系统具有重要意义.机载氧气浓缩器的退化过程可以分为平稳阶段和加速退化两个阶段,但是由于退化模式变化点的不确定性,导致了退化模式转变的不确定性,因此正确识别退化模式转折点十分重要.氧分压值是反映机载氧气浓缩器制氧能力的一个重要参数,利用数据驱动的方法,针对模式转换的模糊性,首先提取数据的香农熵,然后通过转换卡尔曼(
针对加装二自由度绳驱动机械臂的旋翼飞行机器人在悬停条件下的抗干扰控制,提出了一种自适应终端滑模控制策略.将系统分成四旋翼飞行器和机械臂两个子系统,分别采用拉格朗日法与牛顿-欧拉法获得各自的动力学模型.在Lyapunov稳定性框架下设计了旋翼飞行器人的抗干扰轨迹跟踪控制器,并引人自适应策略来估计扰动上界.通过3个仿真算例验证了所设计控制器的有效性,结果表明,与其他控制器相比,本控制器具有较高的跟踪精度、较强的鲁棒性以及较好的抗干扰能力;机械臂质量的变化主要影响x通道和y通道的控制性能;本控制器基本能满足旋翼
为了解决输入受限下非完整轮式移动机器人的跟踪控制问题,考虑迭代学习控制方法,设计了一种迭代学习控制律,这里所设计的迭代学习控制律结合了系统的跟踪误差和约束下的上一代控制律.通过应用范数分析理论,对跟踪误差的收敛性进行了理论分析,验证了设计的控制律的有效性.最后,给出了一个仿真实例以证明理论分析结果的正确性,仿真结果表明,在设计的迭代学习控制律作用下,具有输入受限的非完整轮式移动机器人能够获得很好的跟踪控制性能,跟踪误差最终收敛于零的很小邻域内.
针对实际生产中轴承滚子原始故障数据量少,数据集不平衡的问题,提出一种数据增强策略对原始的数据集进行扩充,并结合U-Net框架和轻量级深度学习模型构建了一个端到端的轴承滚子语义分割模型方法.通过结合U-Net框架和轻量级深度学习模型MobileNetV1、DenseNet121构建了端到端的轴承滚子语义分割模型LS-MobileNetV1、LS-DenseNet121,将所提模型基于迁移学习策略进行了训练,与其他模型进行对比实验分析.结果表明,与现有方法相比,本文方法在具有更少参数量的情况下实现了更高的分割
针对码垛机械臂的轨迹跟踪控制,提出了一种基于数据驱动的非线性终端滑模控制方法.首先,利用牛顿-欧拉法推导出码垛机械臂的动力学模型,进而将模型等效成离散形式;接着,设计非线性终端滑模面来加快关节角的收敛速度,引人等效趋近律来抑制系统的抖振效应;同时,在萤火虫寻优算法的帮助下解决控制器参数整定问题,以便获得最优的控制性能;最后,通过仿真和试验对所提控制方法的有效性进行了验证.结果表明,该控制方法比积分滑模控制控制具有更高的跟踪精度,能保证码垛机械臂较好地跟踪上参考轨迹,具有一定的工程应用价值.
针对水面无人艇(unmanned surface vessel,USV)智能感知系统对图像处理过程的准确性和实时性要求,研究了一种根据无人艇上机载视觉传感器对水上目标进行识别与定位的算法.首先根据开源数据集与实验数据采集图像,对实验数据抽帧、去重、标注、统计,创建了水上目标识别数据库YZ10K;其次实践了主流的基于深度学习的目标检测方法,包括Faster R-CNN、SSD、YOLOv3等;最后针对水上目标特点,提出了一种基于改进YOLOv3的增强型轻量级水上目标检测网络WT-YOLO(water tar
CT血管造影(computed tomography angiography,CTA)作为一种无创、检测精确较高的辅助诊断方法,尚急需能有效消除冠脉目标附近干扰噪声并寻求可全自动快速准确追踪目标的新算法以大幅减轻医生阅片压力、辅助其进行可靠诊断与治疗.提出了一种特征融合的误差最小平方和(minimum output sum of squared error,MOSSE)冠脉目标追踪新算法,通过提取冠脉血管多个特征,将其融合加入现有的MOSSE追踪方法,实现全自动准确快速追踪冠脉目标.使用河北大学附属医院9
为了优化传统滑模观测器(sliding mode observer,SMO)的高频抖振、响应时间长、估算误差大等问题,提出一种改进SMO.将传统SMO中的符号函数替换为新型分段指数函数来减少系统的高频抖振,舍弃误差较大的反正切算法,使用锁相环估算出IPMSM的转速和转子位置信息.使用Lyapunov稳定判据证明了改进SMO的稳定性,并通过MATLAB/Simulink搭建了基于内置式永磁同步电机的改进SMO无传感器控制策略模型,并进行仿真分析.仿真结果表明相比于传统SMO,改进SMO的转子位置估计误差从0
数字化谱仪的实际应用中探测器输出的脉冲信号可以近似看作双指数脉冲,由于探测器存在电荷收集时间等原因造成采集的脉冲幅度存在弹道亏损,不利于后续准确提取幅度,影响了探测系统的能量分辨率.在MATLAB中对理想双指数脉冲信号的梯形成形进行了仿真并在Simulink平台上建立模型使用理想双指数脉冲序列测试可行性;使用HDLCoder将Simulink逻辑模型转换成VerilogHDL代码并在ModelSim上进行测试.搭建硬件平台测试代码并将硬件平台应用到实测数据的处理中,通过串口分别发送单峰多峰脉冲测试,使用嵌