首页 > 文献资料
-
基于小腿表面肌电的智能机器人协同控制方法
作为人机交互的核心内容之一,面向机器人控制的步态识别拥有广泛的应用前景.提出一种基于小腿表面肌电信号的智能移动机器人控制方法.通过优化互信息的大相关小冗余算法(MRMR),实现对前进、后退、左转、右转等4种步态分类识别,并建立一套移动机器人同步控制系统.使用表面肌电信号(sEMG)作为输入信息,对人步态动作进行分类识别,并转化为对机器人运动进行控制的信息,从而实现人与智能移动机器人的实时协同交互.通过采集8名受试者前进、后退、左转、右转行走时的小腿表面肌电信号,并实时控制智能机器人的运动.结果表明,在少量的训练条件下,该方法的步态识别准确率可达88％.基于此方法搭建的移动机器人协同控制系统,具有较强的实时控制能力以及较高的控制准确度.基于小腿表面肌电的智能机器人协同控制方法具有良好的应用前景,未来或可广泛应用于人机运动协调机器人控制等领域.
关键词： 小腿表面肌电信号 步态识别 最大相关最小冗余算法 智能机器人 -
基于多参数模型结合的步态特征提取新方法
为弥补单一模型识别能力的不足,削弱因步速、衣着、光照等变化的影响,提出小波分解(WD)、不变矩(IM)并结合骨架理论(ST)提取步态特征参数的新方法.其技术流程为:先分割出人体目标轮廓,并将其规格化叠加处理,获取步态特征图;再将小波分解与不变矩结合,提取含人体整体模型信息的矩参数;同时将步态特征图骨架化,提取含人体简化模型信息的骨架特征参数;后将矩参数与骨架参数作为识别参量,输入支持向量机(SVM)进行步态识别.使用自建的天津大学红外步态数据库(TIGD)进行试验,其正确识别率为84%～92%.表明多参数模型相结合的方法有利于提取步态的本质结构特征.
-
基于足底压力的步态识别研究进展
步态识别作为一种新兴的生物识别技术,通过对人体走路等活动姿态的数据收集、分析对个体进行识别,从而达到精确定位个体或进行医疗诊断、有效康复、运动锻炼等研究.该文阐述了基于足底压力的步态识别研究的背景,分析了其主要方法及影响因素,并对其存在的不足进行讨论,提出其未来的发展方向.
-
基于运动学和动力学参数的步态识别研究
为了通过步态进行身份鉴别,采用模式识别的方法进行基于步态运动学和动力学参数的步态识别,提出了对步态运动学参数中关节角度、动力学参数中地面垂直支反力(VGRF)进行特征提取的方法.对14名健康男性受试者的步态进行了识别实验.结果显示,基于关节角度的识别准确率(CCR)为87.1%(k-近邻法中k=1)和90%(k=3);基于VGRF的CCR为85.7%(k＝1)和80%(k＝3).另外,从多元统计学的角度对实验数据进行分析证明了通过步态进行身份鉴别的可行性.同时,主成分分析显示,在VGRF曲线中,对步态识别起比较重要作用的是足部接触地面瞬间的部分.
-
多视角步态识别新算法的难点与动向
步态识别是一种具有远距离非侵犯性特点的生物特征识别技术,它根据人们走路姿态的不同,从步行运动图像中提取特征进行身份的识别.一个完整的步态识别过程通常包括:步态序列获取、步态检测、步态提取和分类识别.本文简要介绍了这四个过程的常用方法,针对特征提取方法,从视角数目的不同进行了分类,重点介绍了近几年多视角步态识别的新算法,并总结了当前步态识别研究中存在的问题,展望了未来的发展趋势.
-
步态识别研究现状与进展
步态识别是生物特征识别技术中的一个新兴领域,它旨在根据人们的行走方式进行身份识别或生理、病理及心理特征检测,具有广阔的应用前景,因此引起了国内外许多研究者的浓厚兴趣,成为近年来生物医学信息检测领域备受关注的前沿方向.本文主要介绍了利用步态特征进行身份识别的基本原理与方法及其潜在的应用前景,分析了其国内外研究现状与存在的关键技术难点,并展望了其可能的发展趋势.
-
老年人助步需求调查与分析
目的:文章基于老年人相关生理和心理特征,以市场上现有的助行产品为主要研究对象,将目标人群限定为患有轻、中度运动障碍的老年人,探究我国老年人助行器需求特点以改进现有助行产品.方法:通过观察无锡某护理院和某小区共76名老年人使用助行器的行走步态和进行“起立-行走”计时测试与“座椅站立”实验,辅之以访问调查和访谈法,收集数据后运用统计学方法处理分析数据、建立表格并进行对比.结果:老年人使用助行器后,行走步态与平衡功能有明显改善,“起立-行走”与“座椅站立”用时减少.结论:助行器的使用可改善老年人平衡功能和行走步态;老年人生理和心理情况对使用助行器都产生了一定的影响;现下使用的助行器种类单一、质量低下、价格昂贵,亟待改善.
