文档名：基于人机接触压力图像的被护理人姿态识别
摘要：针对当前基于触觉信息的被护理人姿态识别精度低、可识别关节点数少等问题,设计了一种基于多模态数据的被护理人姿态识别方法.首先,采用OptiTrack运动捕捉系统和触觉传感器,采集并构建了包含51人30万帧被护理人姿态和60万张接触压力图像的数据集;然后,将接触压力图像和人体位置热图作为卷积神经网络(CNN)的输入,识别被护理人的关节位置,根据关节位置得到被护理人姿态.实验结果表明:所提出的方法能识别人体的5个关键关节位置,精度达到了90％,满足识别被护理人姿态的实用性要求.
作者：宋国印 陈梦倩 郭士杰 Author：SONGGuoyin CHENMengqian GUOShijie
作者单位：河北工业大学电气工程学院,天津300130;河北工业大学省部共建电工装备可靠性与智能化国家重点实验室,天津300130;河北省机器人感知与人机融合重点实验室,天津300130河北工业大学省部共建电工装备可靠性与智能化国家重点实验室,天津300130;河北省机器人感知与人机融合重点实验室,天津300130
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(12)
分类号：TP391.4TP212
关键词：护理机器人 触觉感知 姿态识别 卷积神经网络
Keywords：nursingrobot tactilesensing posturerecognition convolutionneuralnetwork(CNN)
机标分类号：
在线出版日期：2024年1月3日
基金项目：国家自然科学基金，河北省重点研发计划资助项目基于人机接触压力图像的被护理人姿态识别[
期刊论文] 传感器与微系统--2023, 42(12)宋国印 陈梦倩 郭士杰针对当前基于触觉信息的被护理人姿态识别精度低、可识别关节点数少等问题,设计了一种基于多模态数据的被护理人姿态识别方法.首先,采用OptiTrack运动捕捉系统和触觉传感器,采集并构建了包含51人30万帧被护理人姿态和60万...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于人机接触压力图像的被护理人姿态识别 Recognition of care-receiver's posture based on human-robot contact pressure image
基于人机接触压力图像的被护理人姿态识别.pdf
- 文件大小:
- 1.2 MB
- 下载次数:
- 60
-
高速下载
|
|
