摘要:当前 ,许多学校体质测试项 目 中的仰卧起坐测试仍需通过手动计数 ,这不仅耗费人力 ,而且效率较低 。 为了促进体质 健身的智能化发展 ,提出了一种基于人体姿态估计模型 Fast-OpenPose和支持向量机(supportvector machine, SVM) 融合实 现的仰卧起坐行为计数方法 。通过 OpenPose检测出仰卧起坐连续视频流中人体关键点的位置信息 ,再 用 SVM 对 获 取 到 的 每一帧人体关键点的坐标数据进行动作特 征 分 类 。鉴 于 原 OpenPose网 络 复 杂 度 高 、模 型 参 数 量 大 、检 测 耗 时 长 的 缺 陷 , 用 FasterNet对其主干特征提取部分进行轻量化改进 ,并在预测分支中优化更为高效的单分支网络结构和卷积类型 ,最后引入空 间注意力(spatialgroup-wise enhance, SGE) 来弥补精度损失 。在 CoCo2017数据集的基础上 ,额外扩充 1 000张 仰 卧 起 坐 场 景的图片数据进行模型训练 ,实验结果表明 ,改进后的 Fast-OpenPose在损失部分精度但不影响仰卧起坐姿态估计的情况下 , 模型参数量缩减近 80% ,关键点检测速度提 升 110% 。 与 同 系 列 其 他 改 进 模 型 相 比 , 在 保 持 相 近 平 均 精 度 均 值(mAP) 的 同 时 ,更具有轻量化与速度优势 。

摘要:针对轨道作业人员跨轨安全动作监督方法存在效率低、漏检率高等问题，引入改进的人体姿态估计算法YOLOv8n- Pose对跨轨安全动作进行识别和监督。对YOLOv8n-Pose 算法改进方法为在网络中添加注意力机制并轻量化网络结构，并 改进网络的 bbox 损失函数和关键点损失函数，以提高网络的识别精度和速度。使用高斯滤波和ColorJiter 算法对自制数据 集增强。在训练前使用遗传算法对训练超参数进行自适应调整，在训练时使用迁移学习和知识蒸馏方法，提高网络训练速 度、识别精度和泛化能力。将训练好的模型对轨道现场作业人员图像进行检测，可成功识别出作业人员姿态并根据关键点位 置信息识别安全动作，人体关键点识别精确度为94.3%,推理速度为238.1 fps, 验证模型改进研究取得了有益效果，提高了模 型识别精度、识别速度和鲁棒性。

摘要:针对三轴陀螺、三轴磁强计和三轴加速度计等MEMS传感器所构成的AHRS系统对全局环境下的姿态检测问题，在分析线形融合滤波器、Kalman滤波器的缺陷基础上，对互补滤波器的IMU姿态解算算法进行拓展，通过磁场计测量数据在全局坐标系下水平分量的求解，获得了传感器偏航方向的姿态角，从而构成了完整的三维空间姿态测量系统。并基于硬件实验验证算法有效消除陀螺漂移和加速度及地磁场干扰的可行性。