专利交易市场

一种基于渐进无迹卡尔曼滤波网络的人体上肢姿态估计方法，包括：步骤1)搭建一套采集系统，通过视觉捕捉系统获取人体上肢运动关节的角度信息，使用肌电手环对小臂在运动过程中的肌电信号进行采集；步骤2)建立sEMG信号与上肢关节角度之间的模型；步骤3)构建由LSTM估计参数的无迹卡尔曼滤波体系，利用LSTM神经网络学习系统的量测方程h(·)、系统噪声Qk和量测噪声Rk；采用UT变化，利用加权统计线性回归近似非线性方程的后验均值#imgabs0#和方差Pk|k‑1；步骤4)根据UT变换和量测噪声Rk，求得量测变量的一步预测#imgabs1#方差Pzz,k|k‑1以及互协方差Pxz,k|k‑1；步骤5)根据UKF的计算步骤计算卡尔曼增益，根据k时刻的量测值zk，求出k时刻的状态估计#imgabs2#和估计方差Pk|k。

本发明公开一种基于头部姿态估计的儿童坐姿提醒方法，包括：S1：从摄像设备获取原始图像，进行有效帧检测并保留有效帧；S2：使用目标检测算法从原始图像提取头部图像；S3：将头部图像输入头部姿态估计网络，得到俯仰角、偏航角、滚转角的概率分布序列和最终的估计角度；S4：将概率分布序列输入一维卷积网络验证准确性，根据估计角度对头部姿态进行判断并对错误姿态进行语音提醒。本发明还包括一种基于头部姿态估计的儿童坐姿提醒系统。本发明能够通过摄像设备对儿童书写阅读场景下的头部欧拉角进行细粒度识别并针对错误姿态进行提醒，同时具有较低的误报率。

本发明公开了一种基于姿态比对的高尔夫挥杆动作评分估计方法，包括：模板视频和用户视频进行配准；提取用户视频人体动作特征；将提取的用户视频人体特征及其模板视频挥杆动作比对，并对不同特征的比对结果进行加权评分。本发明提供的基于姿态比对的高尔夫挥杆动作评分估计方法，无论是在背景简单还是杂场景中都能快速准确的计算出高尔夫挥杆动作的评分，具有很好的推广前景。

本发明提供一种基于姿态估计的多工业机器人安全性检测方法及系统，其中方法包括：S1:采集多工业机器人标准作业视频，并建立多个单工业机器人动作模式姿态向量序列A14，单工业机器人动作模式姿态向量序列A14中包含多个单工业机器人姿态向量A13，执行S2；S2:实时采集多工业机器人的作业视频，获取多个单工业机器人姿态向量A23，执行S3；S3:将任一单工业机器人姿态向量A23，记为h1,与对应的单工业机器人动作模式姿态向量序列A14进行匹配，若匹配成功，则执行S2,若匹配失败，则检测到异常动作，控制工业机器人急停，本方法检测过程简单准确且成本较低，而且可以同时检测多个工业机器人的工作状态。