Dec, 2023

通过可穿戴设备进行预测性触觉警示的在线人类风险预测的行为识别

PDF
TL;DR本文提出了一个框架，结合在线人体状态估计、动作识别和运动预测，实现了对工人在举重任务中的生物力学风险进行早期评估和预防。该框架利用 NIOSH 指数进行在线风险评估，适用于实时应用。通过可穿戴传感器数据，通过逆运动学 / 动力学算法检索人体状态。通过实施基于 LSTM 的引导式专家混合结构来实现人体动作识别和运动预测，该混合结构在离线训练并在线推断。通过识别的动作，将单一举重活动分为一系列连续的动作，然后可以应用修订版 NIOSH 举重方程进行风险评估。此外，通过预测的动作可以预见未来的风险。可穿戴系统中嵌入的触觉装置可以提醒受试者潜在风险，充当主动预防装置。通过执行真实的举重任务并配备 iFeel 可穿戴系统来验证所提出框架的性能。
human state estimationaction recognitionmotion predictionbiomechanical risklifting tasks
发现论文，激发创造
  • 制造生产线工人活动识别方法的近身电场应用

    本文介绍了一种新颖的可穿戴传感原型，将 IMU 和体电容传感模块结合起来，用于识别制造业中工人的行为。我们提出并比较了早期和晚期传感器数据融合方法，针对多通道时间序列卷积神经网络和深度卷积 LSTM 模型。通过使用我们提出的传感原型和苹果手表在制造流水线的测试平台上收集和注释传感器数据，我们评估了所提出的硬件和神经网络模型。实验结果表明，我们提出的方法相对于基线方法具有更好的性能，表明所提出的方法在制造业的实际应用中具有潜力。此外，配备有体电容传感器和特征融合方法的传感原型相比于没有体电容传感器和苹果手表数据的传感原型分别提高了 6.35%，宏 F1 评分较高 9.38%。

    Aug, 2023

  • 使用可穿戴数据的自监督表示进行人类活动识别

    本研究基于一个大规模无标签数据集上学习的自监督表征及浅层多层感知器模型，在未参与训练的真实世界数据集上取得了良好性能，并可通过不同传感器的数据训练，从而实现了设备无关型人体活动识别模型，将有助于增加 HAR 领域中模型评估的标准化。

    Apr, 2023

  • 利用可穿戴感应器进行人类活动识别：综述、挑战和评估基准

    本文通过文献综述，使用六种公开数据集，采用标准化评估标准对最先进的人类活动识别技术进行比较，提出了一种改进的混合手工特征和神经网络架构的方法，优于先前的技术，并证明标准化评估是必要的。

    Jan, 2021

  • 人类动作识别与预测：调查

    该论文综述了计算机视觉和机器学习在视频分析任务中的应用，重点介绍了动作识别和预测两个领域的现有技术、算法、数据集、评价标准及未来发展方向。

    Jun, 2018

  • 解码人类活动：分析可穿戴加速度计与陀螺仪数据进行活动识别

    基于 Residual 网络和 Residual MobileNet 集成的分层多结构方法（FusionActNet）能够有效地对不同的人类活动进行分类识别，并在 UCI HAR 和 Motion-Sense 数据集上取得了 96.71% 和 95.35% 的准确率。

    Oct, 2023

  • 深度触觉模型预测控制的机器人辅助穿衣

    介绍了一种深度循环预测模型，可预测机器人给予人体的服装施加的力量，该模型使用从模拟环境中收集的数据进行自我监督训练，为机器人的穿衣辅助提供了更好的解决方案。

    Sep, 2017

  • 可穿戴传感器人类活动识别中的深度学习技术：进展综述

    本文系统分类总结了利用低功率传感器进行人体活动识别的深度学习方法及其发展趋势和主要挑战，同时介绍了深度学习驱动人体活动识别的尖端技术和未来方向。

    Oct, 2021

  • 基于可穿戴传感器数据的人类活动识别：现有技术的标准化

    本研究通过对不同样本生成过程和验证协议进行分析，实施和评估了多种高性能方法，从手工制作的方法到卷积神经网络等各种方法，发现当前的实验评估方法都无法在可穿戴传感器数据的背景下执行活动识别，在此之中，识别准确度显着下降，该研究着重解决了在可穿戴传感器数据基础上的人体活动识别中影响识别准确性的关键问题，是第一篇解决这个问题的研究。

    Jun, 2018

  • 运用数字感知技术进行人类生物力学过程的远程感知和分析：一种非接触式负荷和关节力量评估方法

    该研究提出了一个创新的计算机视觉框架，旨在通过与现有软件的无缝集成来分析工业环境中的人体运动，以增强生物力学分析。该框架利用先进的图像处理和建模技术，通过卷积神经网络（CNNs）、直接线性变换（DLT）和长短期记忆（LSTM）网络准确地检测关键身体节点，重建 3D 标记点，并生成详细的 3D 人体网格。广泛的评估验证了该框架的有效性，在各种动作下与传统基于标记点的模型展示出了可比较的结果，并在关节角度估计和体重、身高估计方面具有精确性。生物力学 - 57 关键骨骼模板的集成进一步增强了该框架的鲁棒性和可靠性。该框架显示出在工业环境中进行细致的生物力学分析的显著潜力，消除了笨重的标记物的需求，并将其用途扩展到包括研究特定外骨骼装置对促进受伤工人迅速返回工作任务的影响在内的各个研究领域。

    Apr, 2024

  • 人机协作任务分配的计算人体工学：利用非接触手势识别实现机器人对人类的时空自适应

    本文探讨在制造应用中优化人机协作（HRC）框架以解决工作相关肌肉骨骼疾病（WMSDs）的高患病率，并提出两个假设：通过动作数据从重要的传感器中量化专业任务，将最危险的任务分配给协作机器人；通过包括手势识别和空间适应来提高 HRC 方案人体工效学并减少运营商肌肉骨骼搬运的身体努力。本文在电视制造过程中进行了 HRC 场景优化，并训练了一个基于深度学习的手势识别模块。

    Mar, 2022